ارزیابی و تشخیص نارسایی ها و ناهنجاری های صوتی با بهره گیری از ویژگی های آشوب گونه

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,457

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICBME14_046

تاریخ نمایه سازی: 3 تیر 1387

چکیده مقاله:

منبع تحریک دستگاه تولید گفتار، یک سیستم ارتعاشی با ساختار دینامیکی پیچیده است. بروز بیماری در تارهای صوتی موجب غیر هم زمانی ارتعاش آن ها شده و این عدم تقارن در ارتعاش، منجر به پیدایش پدیده زیرهارمونیک و آشوب در سیگنال صوتی تولیدی می شود. در این مقاله، برای جداسازی نمونه های صوتی بیمار از سالم، از تحلیل دینامیک های غیر خطی و ویژگی های فضای فاز بازسازی شده استفاده می شود. با توجه به مقادیر محاسبه شده، تفاوت قابل توجهی در مقادیر بعد همبستگی و نمای لیاپانوف (ویژگی های آشوبگونه) دو گروه سالم و آسیب دیده مشاهده می شود، بطوریکه مقدار میانگین و واریانس بعد همبستگی و نمای لیاپانوف سیگنال های متعلق به افراد بیمار بیشتر از سیگنال های سالم بدست می آید. دلیل این امر پیچیدگی بیشتر این سیگنال ها نسبت به سیگنال های سالم است. در مرحله آزمایش این ویژگی ها، با انتخاب دادگان تعلیم و تست جداگانه، فرآیند جداسازی با استفاده از طبقه بندی کننده ماشین بردارهای پشتیبان و به ازای بعد همبستگی، نمای لیاپانوف و ترکیب هر دو ویژگی انجام شد و به ترتیب مقادیر صحت 94,69 % و 87,35 % و %96,67 در جداسازی صدای بیمار از سالم حاصل گردیدند که بسیار قابل ملاحظه می باشند.

کلیدواژه ها:

نویسندگان

غزاله وزیری

دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • بهرام وزیرنژاد، محمد حسن مرادی، " ارزیابی ویژگی های تمایزگر ...
  • J. J. Jiang and Y. Zhang, ،Nonlinear Dynamic Analysis of ...
  • M.A. Little, P.E. Mc _ I.M. Moroz and J. Roberts, ...
  • _ _ _ _ 22th Annu. Conf. IEEE EMBS, pp. ...
  • A. A. Dibazar, S. Na. and T.W. Berger, ،Feature Analysis ...
  • V. Pitsikalis, I. Kokkinos and P. Maragos, ،Nonlinear Analysis of ...
  • _ _ _ Data', American Institute of Physics, 2005. ...
  • Disordered Voice Database (CD-ROM), Version 1.03, October 1994, Massachusetts Eye ...
  • I. Kokkinos and P. Maragos, ،Nonlinear Speech Analysis Using Models ...
  • S. Borovkova, Estimation and Prediction for Nonlinear Time Series, Chapter ...
  • E. N. Bruce, Biomedical Signal Processing and Signal Modeling, Wiley ...
  • W. Kinsner, ، _ haracterizing Chaos Through Lyapunov Metrics?, IEEE ...
  • U. Parlitz, ،Nonlinear Time Series Analysis', Proceedings of The NDES'95, ...
  • R. Behroozmand and F. Almasganj, 4Optimal Selection of Wavel et-Packet ...
  • B. Scholkopf, Learning with kernels: support 1ector machines, reg ularization, ...
  • A nanthakrishna T, Kumara Shama and U.C. Niranjan, *K- Means ...
  • M. Little, P. McSharry, I. Moroz and S. Roberts, *Nonlinear, ...
  • نمایش کامل مراجع