Journal of Modern Rehabilitation، جلد ۹، شماره ۷، صفحات ۴۵-۵۷
عنوان فارسی تشخیص پارگی منیسک زانو با استفاده از پردازش سیگنال‌های ویبراسیون زانو
چکیده فارسی مقاله زمینه و هدف: آسیب دیدگی مفصل زانو از مهمترین آسیب­های رایج در زندگی روزمره افراد و ورزش­های پرتحرک می­باشد. از شایع­ترین آسیب­ها در مفصل زانو می­توان آسیب­های منیسک، رباط صلیبی و پارگی این اعضا را عنوان نمود. تشخیص­های پارگی منیسک عموما به صورت بالینی و با استفاده از تصاویر رزونانس مغناطیسی (Magnetic Resonance Imaging: MRI) می­باشد. هدف ما در این مقاله استفاده از ثبت و ضبط سیگنال­های ویبراسیون زانو (Vibroarthrography: VAG) برای تشخیص پارگی منیسک می باشد. مواد و روش­ها: در این تحقیق بر روی20 شخص سالم و20 شخص بیمار که پارگی منیسک آنها مورد تایید پزشک و تصاویر عکس­برداری بوده است آزمایش انجام داده و درمدت 15 ثانیه 3 بار از پای مصدوم و سالم، با دستگاه الکترواستتوسکوپ سیگنال ثبت کرده ایم. از هر بیمار تاییدیه رضایت و سلامت آزمایش دریافت شد و برای ثبت سیگنال ها محل قرار گیری پروب روی زانو اصلاح شد. یافته­ها: پس از ثبت سیگنال­ها، آنها را پردازش کرده و با کاهش نویز آنها با الگوریتم تجزیه مقدار منفرد (Singular Value Decomposition :SVD) ، چهار ویژگی از این سیگنال­ها در حوزه انرژی و فرکانس که شامل پارامتر انرژی (Energy Parameter: EP)، پارامتر انرژی بسط داده شده (Energy Spread Parameter :ESP)، پارامتر فرکانس (Frequency Parameter: FP) و پارامتر فرکانس بسط داده شده (Frequency Spread Parameter: FSP)) استخراج کرده­ایم و سپس میانگین و انحراف استاندارد هر ویژگی را در نظر گرفته و مجموعا هشت ویژگی را تجزیه و تحلیل نموده­ایم. آنالیزهای آماری نشان داده­اند که ویژگی­ها دارای 05/0 بوده­اند. در این تحقیق ما از سه روش برای طبقه­بندی داده­ها استفاده کردیم. روش پرسپترون چند لایه، ماشین بردار پشتیبان و K نزدیکترین همسایه که به ترتیب دارای (1670/0 82/0) و (0958/0 84/0) و (0895/0 943/0) درصد صحت و انحراف استاندارد بوده­­اند. روش k نزدیکترین همسایه دارای بیشترین درصد صحت بوده است. نتیجه گیری: روش پردازش سیگنال های ویبراسیون زانو روشی مناسب و غیرتهاجمی برای تشخیص پارگی منیسک زانو می باشد که می­تواند باعث صرفه­جویی در زمان و همچنین کاهش هزینه باشد. کلید واژه ها: آسیب شناسی مفصلی، پارگی منیسک، سیگنال­های VAG، تجزیه مقدار منفرد(SVDتوزیع زمان- فرکانس
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Diagnosis of Meniscus Tear of the knee by Knee Vibration Signals Processing
چکیده انگلیسی مقاله Background and Aim: Knee joint injuries are the most common injuries in routine life and stirring sports. The most common injuries in knee joint are meniscus injuries, anterior cruciate ligament rupture and kind of tears of above structures. Diagnosis of meniscus tear is generally clinically and by magnetic resonance imaging (MRI: Magnetic Resonance Imaging). In this study, meniscuc tear was recognized by recorded the knee vibration signals (VAG: Vibroarthrography). Materials and Methods: Forty subjects (20 normal and 20 abnormal) with meniscus tear were selected and recorded the signals by electrostethoscope, 3 times in 15 sec. Testimonial form was taken from all of participants. Results: After recording, the signals were processed and reduced the noise by singular value decomposition algorithm (SVD: Singular Value Decomposition), four parameters of these signals were extracted in energy and frequency domain. These were included energy parameter (EP: Energy Parameter), energy spread parameter (ESP: Energy Spread Prameter), frequency parameter (FP: Frequency Parameter) and frequency spread parameter (FSP: Frequency Spread Parameter). Mean and standard deviation of each feature were considered and analyzed eight features of the signals. Statistical analyzes showed the P-Value less than 0.05 ( ) for each feature. Three methods for data classification were used. ) Mean and standard deviation of the parameters were obtained as below: Multi Layer Perceptron (MLP: Multi Layer Perceptron), Support Vector Machine (SVM: Support Vector Machine) and K- Nearest Neighbor (KNN: K-Nearest Neighbor) with ( ), ( ) and ( . K-nearest neighbor method (K=5) has the highest percentage of accuracy. Conclusion: Knee signals processing (VAG signals) is a suitable and non-invasive method for diagnosis of meniscus tear which can save the time and reduce the costs. Keywords: Articular pathology, Meniscus tear, VAG signals, Singular Value Decomposition (SVD), Time- frequency distribution.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله احسان حسین زاده | ehsan hossein zadeh
master of electronic, science and research branch, islamic azad university, ghazvin, iran
کارشناسی ارشد برق الکترونیک- دانشگاه آزاد اسلامی واحد علوم و تحقیقات قزوین
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)

علی شیخانی | ali sheikhani
assistant professor of department of biomedical engineering, science and research branch, islamic azad university, tehran, iran
استادیار دانشکده مهندسی پزشکی دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)

افسانه صفر چراتی | afsaneh safar cherati
faculty member of medical university of iran, tehran, iran
دکترای تخصصی پزشکی ورزشی- عضو هیئت علمی دانشگاه علوم پزشکی و خدمات بهداشتی درمانی ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی ایران (Iran university of medical sciences)

نشانی اینترنتی http://mrj.tums.ac.ir/browse.php?a_code=A-10-25-5149&slc_lang=fa&sid=fa
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات