· صفحه اصلي
برآورد طیف نوری
  ----------------------
برآورد طیف نوری

تعداد صفحات: 27
برآورد طیف نوری


هدف: آشنایی با حرکت تصویر و تخمین طیف نوری 2D.

انگیزه:

حرکت یک منبع غنی از اطلاعات است:

- بخش بندی

- ساختار سطحی بواسطۀ انطباق

- حرکت خودکار

- تشخیص

- ادراک حرکت یا وضعیت

- فهم مرحله دینامیکی

دیگر تشابهات / مسائل ثبت شده:

- اختلاف stereo (خط پایه وسیع و کوتاه)

- جراحی به کمک کامپیوتر

- تنظیم چند منظره برای چسباندن به یکدیگر یا انیمیشن به شکل نقطه ای.

مطالعات: Fleet و Weiss (2005(
طیف نوری

دو کلید یا راه حل مسئله:

1- تعیین ویژگی تصویر برای ردگیری آن.

2- تعیین روش برای ردگیری آن.

پایداری یا ثبات روشنایی: بطور دقیق تری، اجازه دهید نقاط روشنایی ثابت را ردیابی کنیم، فرض کنید تشعشع
سطحی همیشه ثابت است:

 

ثبات روشنایی اغلب توسط پژوهشگران فرض میشود، و اغلب توسط ماهیت اصلی نقض شده است؛ بنابراین
گاهی اوقات میدان طیف نوری یک تقریب خیلی ضعیف برای میدان حرکتی 2D است.

برای مثال، چرخش کروی Lambertian با یک منبع نوری ساکن یک تصویر ساکن یا استاتیک تولید میکند. اما
یک کره ساکن با حرکت یک منبع نوری شدتهای متمرکزی را تولید میکند. (شکل از Jahne ، 1999)

 Optical Flow Estimation

Goal: Introduction to image motion and 2D optical flow estimation.

Motivation:
􀀀 Motion is a rich source of information about the world:

– segmentation

– surface structure from parallax

– self-motion

– recognition

– understanding behavior

– understanding scene dynamics

􀀀 Other correspondence / registration problems:

– stereo disparity (short and wide baseline)

– computer-assisted surgery

– multiview alignment for mosaicing or stop-frame animation

Readings: Fleet and Weiss (2005)

Matlab Tutorials: motionTutorial.m
Optical Flow
Two Key Problems:

1. Determine what image property to track.

2. Determine how to track it

Brightness constancy: More precisely, let’s track points of constant brightness, assuming that surface
radiance is constant over time:

and often violated by Mother Nature; so the resulting optical flow field is sometimes a very poor
approximation to the 2D motion field.

For example, a rotating Lambertian sphere with a static light source produces a static image. But a
stationary sphere with a moving light source produces drifting intensities (figure from Jahne et al,
1999).
قرارداد :

   نکته 1: سایت جامع مهندسی پزشکی و هسته علمی آن مخالف هر گونه استفاده غیر علمی از مقالات و پروژه های قرار داده شده در این قسمت است و مطالب فوق صرفاً جهت استفاده علمی در اختیار متقاضیان قرار داده می شود.

   نکته 2: مقالات فوق با رضایت کامل نویسنده مطلب قرار داده شده است و در اختیار سایت جامع مهندسی پزشکی می باشد.

   نکته 3 : استفاده نادرست از این مطالب تماماً متوجه متقاضی مقاله می باشد.

   نکته 4 : محتوای مطالب قرار داده شده به صورت فایل WORD در اختیار متقاضیان قرار داده می شود.

   نکته 5: جهت کسب اطلاعات بیشتر(هزینه مقالات و نحوه تهیه آنها) با ايميل زير مكاتبه نماييد:


info.dezmed@gmail.com

یا با این شماره تماس حاصل فرمایید :
09163464494

مدلسازی دستگاه تنفسی
  ----------------------
مدلسازی دستگاه تنفسی
تعداد صفحات: 43

مدلسازی دستگاه تنفسی

5.0. مقدمه: قوانین گازها

سیستم تنفسی اساساً بعنوان یک وسیله جذب اکسیژن و دفع دی اکسید کربن مهم است. این سیستم
ممکن است با سیستم قلبی عروقی مقایسه شود چون گازها در آن بوسیله تپش جریان مایع انتقال داده
میشوند که تا حدی مانند انتقال گازها و مواد دیگر توسط تپش جریان خون در سیستم CV است. سیستم
تنفسی از این حیث که انشعابی به مسیرهای جریان هوا دارد ساده تر است، در حالیکه سیستم CV انتقال
به بیشتر مویرگهای بدن را توسط آئورت انجام میدهد، سپس آنرا به سیاهرگ بزرگ انتقال داده، و نهایتاً این
الگو را در گردش خون ریوی تکرار میکند. هرچند، آنالیز و مدلسازی برای سیستم تنفسی پیچیده تر است
چون هوا یا سیال تراکم پذیر بوده و جریان هوا در ششها به صورت جذر و مدی یا عقب به جلو است، در حالیکه
در سیستم CV جریان، یک مسیره با ضربان اضافی است. همچنین، اگرچه سیستم تنفسی دریچه هایی
مانند سیستم CV ندارد، ولی تعدادی دریچه غیر خطی مهم و نسبتاً مشکل در این سیستم وجود دارند.

  
قرارداد :

   نکته 1: سایت جامع مهندسی پزشکی و هسته علمی آن مخالف هر گونه استفاده غیر علمی از مقالات و پروژه های قرار داده شده در این قسمت است و مطالب فوق صرفاً جهت استفاده علمی در اختیار متقاضیان قرار داده می شود.

   نکته 2: مقالات فوق با رضایت کامل نویسنده مطلب قرار داده شده است و در اختیار سایت جامع مهندسی پزشکی می باشد.

   نکته 3 : استفاده نادرست از این مطالب تماماً متوجه متقاضی مقاله می باشد.

   نکته 4 : محتوای مطالب قرار داده شده به صورت فایل WORD در اختیار متقاضیان قرار داده می شود.

   نکته 5: جهت کسب اطلاعات بیشتر(هزینه مقالات و نحوه تهیه آنها) با ايميل زير مكاتبه نماييد:


info.dezmed@gmail.com

یا با این شماره تماس حاصل فرمایید :
09163464494

تعمیم مجموعه های فازی ناهنجار (ناهموار)
  ----------------------
تعمیم مجموعه های فازی ناهنجار (ناهموار)

تعداد صفحات: 35
تعمیم مجموعه های فازی ناهنجار (ناهموار)

خلاصه

در این مقاله چارچوب کلی برای مطالعه مجموعه عای فازی ناهنجار ارائه می شود که در آن هر دو رویکرد های
سازنده و بدیهی را مورد استفاده قرار می دهد. رویکرد های سازنده ، مجموعه ای از تقریب های عمومی
پایینی و بالایی می باشند که تابع با آنها تعریف می شود. ارتباطات بین اپراتورهای فازی و فازی تقریبی
ناهنجار مورد بررسی قرار گیرد. در رویکردهای بدیهی ، کلاس های متفاوتی از اپراتورهای تقریبی فازی ناهنجار
توسط مجموعه های مختلفی از رویکردهای بدیهی توصیف می شود. رویکردهای بدیهی اپراتورهای تقریبی
فازی ضمانت وجود انواع مختلفی از روابط فازی با اپراتورهای یکسان می باشد.
 Generalized fuzzy rough sets

Abstract

This paper presents a general framework for the study of fuzzy rough sets in which both constructive
and axiomatic approaches are used. In constructive approach, a pair of lower and upper generalized
approximation operators is defined. The connections between fuzzy relations and fuzzy rough
approximation operators are examined. In axiomatic approach, various classes of fuzzy rough
approximation operators are characterized by different sets of axioms. Axioms of fuzzy
approximation operators guarantee the existence of certain types of fuzzy relations producing the
same operators.

 
قرارداد :

   نکته 1: سایت جامع مهندسی پزشکی و هسته علمی آن مخالف هر گونه استفاده غیر علمی از مقالات و پروژه های قرار داده شده در این قسمت است و مطالب فوق صرفاً جهت استفاده علمی در اختیار متقاضیان قرار داده می شود.

   نکته 2: مقالات فوق با رضایت کامل نویسنده مطلب قرار داده شده است و در اختیار سایت جامع مهندسی پزشکی می باشد.

   نکته 3 : استفاده نادرست از این مطالب تماماً متوجه متقاضی مقاله می باشد.

   نکته 4 : محتوای مطالب قرار داده شده به صورت فایل WORD در اختیار متقاضیان قرار داده می شود.

   نکته 5: جهت کسب اطلاعات بیشتر(هزینه مقالات و نحوه تهیه آنها) با ايميل زير مكاتبه نماييد:


info.dezmed@gmail.com

یا با این شماره تماس حاصل فرمایید :
09163464494

حذف تداخل ECGاز ثبت EEG در حیوانات کوچک با استفاده از روش آنالیز مولفه مستقل
  ----------------------
حذف تداخل  ECG از ثبت EEG در حیوانات کوچک با استفاده از روش آنالیز مولفه
مستقل

تعداد صفحات: 18
حذف تداخل  ECGاز ثبت EEG در حیوانات کوچک با استفاده از روش آنالیز مولفه مستقل

چکیده:

در آزمایش های مشتمل بر حیوانات کوچک ،سیگنال الکتروانسفالوگرام EEG)) درهنگام آسیب دیدگی شدید
ثبت می شود و همراه با آن  برای نمایش دادن احیاء ، حضور ECG قوی است. بنابراین حذف اختلال ECG از
EEG برای آنالیز پیشرفته EEGکوانتیزه(qEEG)، کاملاً لازم است.

ما در این مقاله استفاده از تحلیل مولفه مستقل(ICA) را برای تضعیف موثر تداخل ECG از ثبت EEGدر هنگام
فعالیت طبیعی،خفگی (asphyxia)وریکاوری بعد از خفگی تحقق می بخشیم.

دو کانال EEGمربوط به پنج موش آزمایشگاهی( rats) به مدت 2 ساعت به طور پیوسته مورد ثبت وضبط قرار
گرفتند.ثبت همزمان از یک کانال ECGنیز صورت پذیرفت. دوره های(epochs)4 ثانیه و1دقیقه از  baseline،
خفگی و ریکاوری(هر 10 دقیقه) و مولفه های مستقل آنها انتخاب شد و طیف های توان محاسبه گردید.
بهبودی در طیف توان نرمالیزه EEGکه برای همه حیوانات بدست می آید     7.71±3.36 db در سومین دقیقه
ریکاوری بود و تا   1.15±0.60 db در شصت وسومین دقیقه افت پیدا کرد.

 کاربردICA  بویژه هنگامی مفید واقع شده است که توان EEGکم باشد،از قبیل آنچه که درهنگام آسیب
دیدگی hypoxic- asphyxic مغزی زود هنگام مشاهده می شود.این روش همچنین در شرایطی که نمایش
دقیق توان و محتوای فرکانسی سیگنال EEGمورد نیاز می باشد،مفید است.

 Removal of ECG interference from the EEG recordings in small animals using
independent component analysis

Abstract

In experiments involving small animals, the electroencephalogram (EEG) recorded during severe
injury and accompanying resuscitation exhibit the strong presence of electrocardiogram (ECG). For
improved quantitative EEG (qEEG) analysis, it is therefore imperative to remove ECG interference
from EEG. In this paper, we validate the use of independent component analysis (ICA) to effectively
suppress the interference of ECG from EEG recordings during normal activity, asphyxia and recovery
following asphyxia. Two channels of EEG from five rats were recorded continuously for 2 h.
Simultaneous recording of one channel ECG was also made. Epochs of 4 s and 1 min were selected
from baseline, asphyxia and recovery (every 10 min) and their independent components and power
spectra were calculated. The improvement in normalized power spectrum of EEG obtained for all
animals was 7.71_3.63 db at the 3rd minute of recovery and dropped to 1.15_0.60 db at 63rd
minute. The application of ICA has been particularly useful when the power of EEG is low, such as
that observed during early brain hypoxic–asphyxic injury. The method is also useful in situations
where accurate indications of EEG signal power and frequency content are needed.
 
قرارداد :

   نکته 1: سایت جامع مهندسی پزشکی و هسته علمی آن مخالف هر گونه استفاده غیر علمی از مقالات و پروژه های قرار داده شده در این قسمت است و مطالب فوق صرفاً جهت استفاده علمی در اختیار متقاضیان قرار داده می شود.

   نکته 2: مقالات فوق با رضایت کامل نویسنده مطلب قرار داده شده است و در اختیار سایت جامع مهندسی پزشکی می باشد.

   نکته 3 : استفاده نادرست از این مطالب تماماً متوجه متقاضی مقاله می باشد.

   نکته 4 : محتوای مطالب قرار داده شده به صورت فایل WORD در اختیار متقاضیان قرار داده می شود.

   نکته 5: جهت کسب اطلاعات بیشتر(هزینه مقالات و نحوه تهیه آنها) با ايميل زير مكاتبه نماييد:


info.dezmed@gmail.com

یا با این شماره تماس حاصل فرمایید :
09163464494

ضربان‌ساز قلبی و دفیبریلاتور
  ----------------------
ضربان‌ساز قلبی و دفیبریلاتور

تعداد صفحات: 40
ضربان‌ساز قلبی و دفیبریلاتور

قلب، پمپی است که بصورت طبیعی 72 بار در دقیقه می‌زند. این باعث ضربان بیش از 38 میلیون بار در سال
می‌شود. دیواره‌های قلب متشکل از بافت‌های عضله‌ای هستند. هنگامی که منقبض می‌شوند، خون از قلب
به درون شریان‌های بدن خارج می‌شود. همانطور که در شکل 8.1 نیز نشان داده شده‌است، قلب از چهار
حفره تشکیل شده‌است. دو تا در سمت راست و دو تا در سمت چپ. هر طرف به دو حفره‌ی گیرنده (دهلیز) و
حفره پمپ کننده (بطن) تقسیم شده‌است. دهلیز و بطن‌ها توسط دریچه‌های یک‌طرفه که خون را در یک جهت
خاص هدایت می‌کنند، از هم جدا شده‌اند. طرف راست قلب خون را به ریه‌ها (از طریق شریان ریوی) و طرف
چپ قلب خون را به سایر قسمت‌های بدن (از طریق آئورت) هدایت می‌کنند. حجم خونی که بطن چپ در هر
دقیقه به آئورت پمپ می‌کند، به عنوان برون‌ده قلبی شناخته می‌شود و بر حسب لیتر بر دقیقه بیان می‌شود.
اگر برون‌ده قلبی به شکل معنی‌داری کاهش یابد، اعضای بدن دچار کمبود اکسیژن می‌شوند. در این حالت
برای مغز، برون‌‌ده کم قلب می‌تواند باعث سرگیجه، ضعف، از دست دادن هوشیاری، و حتی مرگ شود.
 CARDIAC PACING AND DEFIBRILLATION

The heart is a pump that normally beats approximately 72 times every minute. This adds up to an
impressive 38 million beats every year. The walls of the heart are made of muscle tissue. When they
contract, the blood is ejected from the heart into the arteries of the body. As shown in Figure 8.1,
the heart has four chambers, two on the left side an two on the right side. Each side is divided
further into a receiving chamber (atrium) and a pumping chamber (ventricle). The atria and
ventricles are separated by one-way valves that keep the blood flowing in the proper direction. The
right side of the heart pumps blood to the lungs (via the pulmonary artery) and the left side of the
heart pumps blood to the rest of the organs (via the aorta). The amount of blood the left ventricle
pumps into the aorta every minute, known as cardiac output, is expressed in liters per minute. If
cardiac output decreases in a significant manner, the body’s organs are starved for oxygen. In the
case of the brain, a very low cardiac output can cause lightheadedness, weakness, loss of
consciousness and even death.

 
قرارداد :

   نکته 1: سایت جامع مهندسی پزشکی و هسته علمی آن مخالف هر گونه استفاده غیر علمی از مقالات و پروژه های قرار داده شده در این قسمت است و مطالب فوق صرفاً جهت استفاده علمی در اختیار متقاضیان قرار داده می شود.

   نکته 2: مقالات فوق با رضایت کامل نویسنده مطلب قرار داده شده است و در اختیار سایت جامع مهندسی پزشکی می باشد.

   نکته 3 : استفاده نادرست از این مطالب تماماً متوجه متقاضی مقاله می باشد.

   نکته 4 : محتوای مطالب قرار داده شده به صورت فایل WORD در اختیار متقاضیان قرار داده می شود.

   نکته 5: جهت کسب اطلاعات بیشتر(هزینه مقالات و نحوه تهیه آنها) با ايميل زير مكاتبه نماييد:


info.dezmed@gmail.com

یا با این شماره تماس حاصل فرمایید :
09163464494

Lateralization كردن EEG ناهنجار در پسران مبتلا به اوتيسم
  ----------------------
Lateralization كردن EEG ناهنجار در پسران مبتلا به اوتيسم

تعداد صفحات: 35

Lateralization كردن EEG ناهنجار در پسران مبتلا به اوتيسم
خلاصه

هدف : اختلالات مغز تابعی مرتبط با اوتیسم پسر های در سنين 3 - 8 - با EEG تحت شرایط کنترل شده
آزمایش شدند كه با توجه پایدار بصری و رفتاری stillness ضبط شده مورد مطالعه قرار گرفتند.


روشها : EEG در دو نمونه مستقل از پسران با اوتیسم (BWA) را از مسکو (n=21) و گوتنبرگ (n = 23) ثبت
شد و شماره های متناظر با سن همسان شده به طور معمول در حال توسعه پسران (TDB). قدرت EEG
طیفی (SP) و عدم تقارن SP interhemispheric درون دلتا ، تتا و آلفا گروههای مورد آزمون قرار گرفت.


یافته ها : BWA شامل گروه های غیر همگن در ارتباط با SP  تتا و آلفا مي شدند. وقتی که در چهار outliers
تنها تفاوت بین گروه مطلق در SP از مطالعه حذف شدند مقدار بالاتری از دلتای جلو مغزی در BWA قرار گرفت .
BWA از هر دو نمونه پهناي باند بی قاعده EEG سمت چپي با اثر عدم تقارن بيشينه اي را از اواسط مناطق
زمانی همزمان نسبت به عدم تقارن سمت چپي  ریتم نرمال mu  در غایب BWA  نشان داد. 


نتیجه گیری : پهنای باند غیر طبیعی EEG عدم تقارن در (اوتیسم) ممکن است به ظرفیت تقلیل یافته از قشر
گیجگاهی به تولید ریتم EEG وابسته باشد. کمبود همزمان از عدم تقارن طبیعی ریتم سمت چپ mu نشان
می دهد که اختلالات EEG در lateralization (اوتیسم) ممکن است به صورت منطقه ای / عملکرد خاص كار
كند.

اهمیت : اطلاعات ارائه شده در مورد lateralization غیر طبیعی برای عملکرد مغز در بيماري اوتيسم مي
باشد. – 2007 فدراسيون بين المللي مطالعات كلينيكي نوروفيزيولو‍ژي. چاپ شده توسط Elsevier Ireland
Ltd. . تمام حقوق محفوظ است.
 Abnormal EEG lateralization in boys with autism
Abstract

Objective: Functional brain abnormalities associated with autism in 3–8-year-old boys were studied
with EEG recorded under controlled experimental condition of sustained visual attention and
behavioral stillness. Methods: EEG was recorded in two independent samples of boys with autism
(BWA) from Moscow (N = 21) and Gothenburg (N = 23) and a corresponding number of age-
matched typically developing boys (TDB). EEG spectral power (SP) and SP interhemispheric
asymmetry within delta, theta and alpha bands were analyzed. Results: BWA comprised a non-
homogeneous group in relation to theta and alpha SP. When four outliers were excluded the only
between-group difference in absolute SP was a higher amount of prefrontal delta in BWA. BWA of
both samples demonstrated atypical leftward broadband EEG asymmetry with a maximum effect
over the mid-temporal regions. Concurrently, the normal leftward asymmetry of mu rhythm was
absent in BWA. Conclusions: The abnormal broadband EEG asymmetry in autism may point to a
diminished capacity of right temporal cortex to generate EEG rhythms. The concurrent lack of normal
leftward asymmetry of mu rhythm suggests that abnormalities in EEG lateralization in autism may be
regionally/functionally specific.

Significance: The data provide evidence for abnormal functional brain lateralization in autism.
 
قرارداد :

   نکته 1: سایت جامع مهندسی پزشکی و هسته علمی آن مخالف هر گونه استفاده غیر علمی از مقالات و پروژه های قرار داده شده در این قسمت است و مطالب فوق صرفاً جهت استفاده علمی در اختیار متقاضیان قرار داده می شود.

   نکته 2: مقالات فوق با رضایت کامل نویسنده مطلب قرار داده شده است و در اختیار سایت جامع مهندسی پزشکی می باشد.

   نکته 3 : استفاده نادرست از این مطالب تماماً متوجه متقاضی مقاله می باشد.

   نکته 4 : محتوای مطالب قرار داده شده به صورت فایل WORD در اختیار متقاضیان قرار داده می شود.

   نکته 5: جهت کسب اطلاعات بیشتر(هزینه مقالات و نحوه تهیه آنها) با ايميل زير مكاتبه نماييد:


info.dezmed@gmail.com

یا با این شماره تماس حاصل فرمایید :
09163464494

فراواني نوسانات امواج الکتريکي مغز فرکانس بالا در پسراني که اوتيسم (وهم گرايي) دارند
  ----------------------
فراواني نوسانات امواج الکتريکي مغز فرکانس بالا در پسراني که اوتيسم (وهم گرايي)
دارند

تعداد صفحات: 22
فراواني نوسانات امواج الکتريکي مغز فرکانس بالا در پسراني که اوتيسم (وهم گرايي) دارند
سابقه و هدف : نسبت تحريک / بازداري (مهار) به عنوان يکي از مکانيسم هاي زيربنايي اوتيسم پيشنهاد
شده است. عدم تعادل بين غشاي تحريک و مهار ممکن است خود را در نابهنجاري موج الکتريکي مغز (EEG)
در رنج فرکانسي بالا نشان دهد. هدف از اين مطالعه ، بررسي اينکه آيا بتا و گاما در محدوده اختلالات EEG
براي پسران جوان مبتلا به اوتيسم (BWA) مشخصه هستند يا خير.

روش ها :  EEG ثبت شده در طول يک توجه پايدار در دو نمونه کاملاً مستقل از هم BWA از Moscow و
Gothenburg ، در رنج سني 3 تا 8 سال ، و پسران توسعه يافته متداول (TDB) با سنين همسان شده انجام
شد. طيف EEG فرکانس بالا تحت آناليز قرار گرفت.

نتايج : در هر دو نمونه ، BWA افزايش پاتولوژي گاما (24.4 44.0 Hz) را در محل قرار گيري الکترود فاصله دار از
سطح ماهيچه فرد نشان داد . در هر دو نمونه ، ميزان فعاليت گاما در ارتباط مثبت با درجه تاخير رشد در BWA
مي باشد.

نتيجه گيري :  فراواني نوسانات امواج الکتريکي مغز فرکانس بالا ممکن است عدم تعادل در تحريک - هموستاز
مهار قشر را در بر داشته باشد. با توجه به نقش مهم ريتم هاي EEG فرکانس بالا  براي فرآيندهاي ادراکي و
شناختي ، در اوايل ناهنجاري هاي اندازه گيري شده در مکانيسم هاي عصبي ريتم هاي EEG فرکانس بالايي
را به وجود مي آورد که ممکن بود در بي نظمي امواج دخيل باشند. مطالعات بيشتري براي بررسي ويژگي
يافته ها براي اوتيسم مورد نياز مي باشد.
 Excess of High Frequency Electroencephalogram Oscillations in Boys with Autism


Background: An elevated excitation/inhibition ratio has been suggested as one mechanism
underpinning autism. An imbalance between cortical excitation and inhibition may manifest itself in
electroencephalogram (EEG) abnormalities in the high frequency range. The aim of this study was to
investigate whether beta and gamma range EEG abnormalities are characteristic for young boys with
autism (BWA).

Methods: EEG was recorded during sustained visual attention in two independent samples of BWA
from oscow and Gothenburg, aged 3 to 8 years, and in age matched typically developing boys
(TDB). High frequency EEG spectral power was analyzed.

Results: In both samples, BWA demonstrated a pathological increase of gamma (24.4–44.0 Hz) activity at the electrode locations distant from the sources of myogenic artefacts. In both samples, the amount of gamma activity correlated positively with degree of developmental delay in BWA.
Conclusions: The excess of high frequency oscillations may reflect imbalance in the excitation–inhibition homeostasis in the cortex. Given the important role of high frequency EEG rhythms for perceptual and cognitive processes, early and probably genetically determined abnormalities in the neuronal mechanisms generating high frequency EEG rhythms may contribute to development of the disorder. Further studies are needed to investigate the specificity of the findings for autism.
قرارداد :

   نکته 1: سایت جامع مهندسی پزشکی و هسته علمی آن مخالف هر گونه استفاده غیر علمی از مقالات و پروژه های قرار داده شده در این قسمت است و مطالب فوق صرفاً جهت استفاده علمی در اختیار متقاضیان قرار داده می شود.

   نکته 2: مقالات فوق با رضایت کامل نویسنده مطلب قرار داده شده است و در اختیار سایت جامع مهندسی پزشکی می باشد.

   نکته 3 : استفاده نادرست از این مطالب تماماً متوجه متقاضی مقاله می باشد.

   نکته 4 : محتوای مطالب قرار داده شده به صورت فایل WORD در اختیار متقاضیان قرار داده می شود.

   نکته 5: جهت کسب اطلاعات بیشتر(هزینه مقالات و نحوه تهیه آنها) با ايميل زير مكاتبه نماييد:


info.dezmed@gmail.com

یا با این شماره تماس حاصل فرمایید :
09163464494

یک الگوریتم جدید یادگیری با ناظر برای شبکه های عصبی چند اسپایکی با کاربرد در تشخیص صرع و حملات ناگهانی بیماری
  ----------------------
یک الگوریتم جدید یادگیری با ناظر برای شبکه های عصبی چند اسپایکی با کاربرد در
تشخیص صرع و حملات ناگهانی بیماری


تعداد صفحات: 50
یک الگوریتم جدید یادگیری با ناظر برای شبکه های عصبی چند اسپایکی با کاربرد در تشخیص
صرع و حملات ناگهانی بیماری

خلاصه

در این مقاله یک مدل شبکه عصبی چند اسپایکی جدید (MuSpiNN ) ارائه شده است که در آن انتقال
اطلاعات از یک نرون به نرون بعدی در فرمی از اسپایک های متعدد و از طریق سیناپس های متعدد صورت می
پذیرد.

یک الگوریتم یادگیری با ناظر جدید که به آن عنوان Multi-SpikeProp داده شده است ، برای آموزش MuSpiNN
ایجاد شده است. مدل و الگورتیم یادگیری ، قوانین ابتکاری و مقادیر پارامتری بهینه ای را که در مقاله ای جدید
توسط مولفین ارائه شده بکار می گیرند که با دو دسته اندازه ، کارایی مدل شبکه عصبی تک اسپایکی (SNN)
اصلی را بهبود می بخشد.

دقت طبقه بندی MuSpiNN و Multi_SpikeProp با بکارگیری سه دسته مسئله که بطور افزایشی پیچیده می
شوند ، ارزیابی می شود: مسئله XOR ، مسئله طبقه بندی زنبق فیشر و مسئله تشخیص حمله ناگهانی و
صرع (طبقه بندی EEG).

مشاهده می شود که یادگیری MuSpiNN برای مسئله XOR ، با تعداد epoch هایی دو برابر در مقایسه با مدل
SNN تک اسپایکی صورت می گیرد ولی تعداد سیناپس های مورد نیاز به یک- چهارم تقلیل می یابند.

برای مسائل طبقه بندی زنبق و EEG ، معماری مدولاری را برای کاهش هر مسئله طبقه بندی 3 کلاسه به
سه مسئله طبقه بندی 2 کلاسه و ارتقا صحت طبقه بندیها بکا رمی بندند.

برای مسئله طبقه بندی EEG پیچیده ، دقت طبقه بندی در محدوده 90.7 - 94.8% بدست آمده است که بطور
قابل توجهی از مقدار 82% بدست آمده از استفاده SNN تک اسپایکی با SpikeProp ، بیشتر است.
 A NEW SUPERVISED LEARNING ALGORITHM FOR MULTIPLE SPIKING NEURAL
NETWORKS WITH APPLICATION IN EPILEPSY AND SEIZURE DETECTION
Abstract – A new Multi-Spiking Neural Network (MuSpiNN) model is presented where information
from one neuron is transmitted to the next in the form of multiple spikes via multiple synapses. A
new supervised learning algorithm, dubbed Multi-SpikeProp, is developed for training MuSpiNN. The
model and learning algorithm employ the heuristic rules and optimum parameter values presented
by authors in a recent paper that improved the efficiency of the original single-spiking Spiking Neural
Network (SNN) model by two orders of magnitude. The classification accuracies of MuSpiNN and
Multi-SpikeProp are evaluated using three increasingly more complicated problems: the XOR
problem, the Fisher iris classification problem, and the epilepsy and seizure detection (EEG
classification) problem. It is observed that MuSpiNN learns the XOR problem in twice the number of
epochs compared with the single-spiking SNN model but requires only one-fourth the number of
synapses. For the iris and EEG classification problems, a modular architecture is employed to reduce
each 3-class classification problem to three 2- class classification problems and improve classification
accuracy. For the complicated EEG classification problem a classification accuracy in the range of
90.7-94.8% was achieved which is significantly higher than the 82% classification accuracy obtained
using single-spiking SNN with SpikeProp.
 
قرارداد :

   نکته 1: سایت جامع مهندسی پزشکی و هسته علمی آن مخالف هر گونه استفاده غیر علمی از مقالات و پروژه های قرار داده شده در این قسمت است و مطالب فوق صرفاً جهت استفاده علمی در اختیار متقاضیان قرار داده می شود.

   نکته 2: مقالات فوق با رضایت کامل نویسنده مطلب قرار داده شده است و در اختیار سایت جامع مهندسی پزشکی می باشد.

   نکته 3 : استفاده نادرست از این مطالب تماماً متوجه متقاضی مقاله می باشد.

   نکته 4 : محتوای مطالب قرار داده شده به صورت فایل WORD در اختیار متقاضیان قرار داده می شود.

   نکته 5: جهت کسب اطلاعات بیشتر(هزینه مقالات و نحوه تهیه آنها) با ايميل زير مكاتبه نماييد:


info.dezmed@gmail.com

یا با این شماره تماس حاصل فرمایید :
09163464494

بازسازی تصاویر سه بعدی صورت انسان با استفاده از معادلات دیفرانسیل با مشتقات جزئی
  ----------------------
بازسازی تصاویر سه بعدی صورت انسان با استفاده از معادلات دیفرانسیل با مشتقات
جزئی
تعداد صفحات: 25
بازسازی تصاویر سه بعدی صورت انسان با استفاده از معادلات دیفرانسیل با مشتقات جزئی

چکیده : یکی از مشکلات و چالش ها در مدلسازی هندسی و گرافیک کامپیوتری ، ساخت واقع بینانه
هندسه صورت انسان است. چنین هندسه برای طیف وسیعی از کاربردها ضروری می باشد ، از جمله
شناخت سه بعدی صورت ، برنامه های واقعیت مجازی ، شبیه سازی بیان صورت و برنامه عمل جراحی
پلاستیک بر اساس  کامپیوتر . در این مقاله روش ساخت سه بعدی (3D) هندسه چهره انسان را بر اساس
استفاده از معادلات دیفرانسیل بیضوی با مشتقات جزئی (PDE) توضیح خواهیم داد. در اینجا هندسه مربوط به
صورت انسان به عنوان مجموعه ای از تکه های سطحی تعریف می شود ، که هر یک از سطوح توسط منحنی
های با 4 مرز در فضای سه – بعدی نمایش داده می شود که در تدوین و فرموله کردن فضا و شرایط مرزی
مناسب برای PDE انتخاب شده است. این منحنی های مرزی به طور خودکار با استفاده از استخراج داده های
سه بعدی از چهره انسان و با استفاده از اسکنر سه بعدی به دست آمده است . برای تولید سیگنال PDE ،
توصیف هندسه داده های پیوسته اسکن شده مورد نیاز می باشد. در این مطالعه ، از طریق تعداد  تشخیص
های تجربی کارایی روش PDE بر اساس  برای بازسازی سطح صورت سه بعدی با استفاده از اسکن داده ها
نشان داده شده است. علاوه بر این ، ما همچنین نشان می دهیم که یافته های ما راهی مناسب برای
نمایش صورت با استفاده از مجموعه ای کوچک از پارامترهایی است که می تواند برای ذخیره سازی موثر داده
های صورت و از آن به منظور سیستم تأیید(verification)  بهره گرفت.

فهرست  لغات : دیفرانسیل با مشتقات جزئی و مقررات ، معادلات ، نمایش سه بعدی صورت ، داده های سه
بعدی ذخیره سازی.
 Reconstruction of 3D Human Facial Images Using Partial Differential Equations


Abstract—One of the challenging problems in geometric modeling and computer graphics is the
construction of realistic human facial geometry. Such geometry are essential for a wide range of
applications, such as 3D face recognition, virtual reality applications, facial expression simulation and
computer based plastic surgery application.

This paper addresses a method for the construction of 3D geometry of human faces based on the

use of Elliptic Partial Differential Equations (PDE). Here the geometry corresponding to a human face
is treated as a set of surface patches, whereby each surface patch is represented using four boundary

curves in the 3-space that formulate the appropriate boundary conditions for the chosen PDE. These

boundary curves are extracted automatically using 3D data of human faces obtained using a 3D
scanner. The solution of the PDE generates a continuous single surface patch describing the
geometry of the original scanned data. In this study, through a number of experimental verifications
we have shown the efficiency of the PDE based method for 3D facial surface reconstruction using
scan data. In addition to this, we also show that our approach provides an efficient way of facial
representation using a small set of parameters that could be utilized for efficient facial data storage
and verification purposes.
قرارداد :

   نکته 1: سایت جامع مهندسی پزشکی و هسته علمی آن مخالف هر گونه استفاده غیر علمی از مقالات و پروژه های قرار داده شده در این قسمت است و مطالب فوق صرفاً جهت استفاده علمی در اختیار متقاضیان قرار داده می شود.

   نکته 2: مقالات فوق با رضایت کامل نویسنده مطلب قرار داده شده است و در اختیار سایت جامع مهندسی پزشکی می باشد.

   نکته 3 : استفاده نادرست از این مطالب تماماً متوجه متقاضی مقاله می باشد.

   نکته 4 : محتوای مطالب قرار داده شده به صورت فایل WORD در اختیار متقاضیان قرار داده می شود.

   نکته 5: جهت کسب اطلاعات بیشتر(هزینه مقالات و نحوه تهیه آنها) با ايميل زير مكاتبه نماييد:


info.dezmed@gmail.com

یا با این شماره تماس حاصل فرمایید :
09163464494

تقویت کننده های بیوپتانسیل
  ----------------------
تقویت کننده های بیوپتانسیل

تعداد صفحات: 43
تقویت کننده های بیوپتانسیل

در کل، سیگنالهای ناشی از فعالیت فیزیولوژيکی دامنه های خیلی کوچکی دارند و بنابراین باید قبل از پردازش
و نمایش شان تقویت شوند. فهرستی از مشخصات تقویت کننده های بیوپتانسیل می تواند طولانی و گیج
کننده باشد. هرچند، برای اکثر کاربردهای پزشکی، مشخصات مناسبترین تقویت کننده هفت پارامتر شرح
داده شده در زیر هستند.

1- گین. سیگنالهای ناشی از فعالیت الکتروفیزیولوژیکی معمولاً دامنه هایی در حد چند میکرو ولت تا چند
میلی ولت دارند. ولتاژ چنین سیگنالهایی باید تا سطوح مناسبی جهت تحریک تجهیزات نمایشی و ثبت کننده
تقویت شود. بنابراین، اکثر تقویت کننده های بیوپتانسیل باید گین 1000 یا بیشتر داشته باشند. اغلب گین یک
تقویت کننده بر حسب دسی بل (dB) اندازه گیری می شود.
  
قرارداد :

   نکته 1: سایت جامع مهندسی پزشکی و هسته علمی آن مخالف هر گونه استفاده غیر علمی از مقالات و پروژه های قرار داده شده در این قسمت است و مطالب فوق صرفاً جهت استفاده علمی در اختیار متقاضیان قرار داده می شود.

   نکته 2: مقالات فوق با رضایت کامل نویسنده مطلب قرار داده شده است و در اختیار سایت جامع مهندسی پزشکی می باشد.

   نکته 3 : استفاده نادرست از این مطالب تماماً متوجه متقاضی مقاله می باشد.

   نکته 4 : محتوای مطالب قرار داده شده به صورت فایل WORD در اختیار متقاضیان قرار داده می شود.

   نکته 5: جهت کسب اطلاعات بیشتر(هزینه مقالات و نحوه تهیه آنها) با ايميل زير مكاتبه نماييد:


info.dezmed@gmail.com

یا با این شماره تماس حاصل فرمایید :
09163464494

برو به صفحه  1 2 3 [4] 5 6