به نام خدا

دانشگاه آزاد اسلامی مشهد

فنی و مهندسی

گروه مهندسی پزشکی

گزارش ماهانه پروژه

عنوان پروژه : مدلسازی سیگنال فنوکاردیوگرام با هدف مطالعه تاثیر بیماری های قلبی-عروقی روی مولفه های اصلی سیگنال صدای قلب

دانشجو : زینب موسوی

استاد راهنما : جناب آقای دکتر راحتی

  1. گزارش مهرماه(گزارش اول)

عناوین فعالیتها:

  1.  مطالعه ی ژورنالها و مقالات کنفرانسی معتبر برای بررسی و مطالعه ی کارهای انجام گرفته در زمینه ی ECG
  2. بررسی و مطالعه ی روشهای مختلف مدلسازی PCG
  3. مطالعه ی  دقیق تر مدل پیشنهادی و نسخه های اصلاح شده ی آن در سالهای اخیر برای اهداف تحقیقاتی مختلف

 

مشکلات، موانع و سؤالات موجود در پیشرفت تحقیق:

همانطور که قبلا هم ذکر شده است ، عدم دسترسی به ژورنالها و پایگاههای اطلاعاتی کتابخانه دیجیتال در حال حاضر (در فاز مطالعاتی بنده) مهمترین مشکل می باشد .

  1.   یک لینک برای این منظور به pj_class  ارسال شد امتحان کنید

 

توضیحات:

با توجه به اینکه تفاوت هایی در ساختار کلی پروژه تعریف شده با محتوای سمینار وجود دارد ، مدت زمانی صرف فاز مطالعاتی پروژه خواهد شد . در ضمن استاد مشاور به زودی معین خواهد شد .

نظر استاد راهنما:

ملاحظه شد

1.           در گزارش بعدی در مورد مدل پیشنهادی که در جلسه دفاع از پروپوزال سؤال شد، توضیحات مبسوطی ارائه نمایید.

2.           لطفا ساختار رساله را ارسال تا نسبت به تأیید آن اقدام شود. شما می‌توانید پس از تأیید نوشتن رساله را نیز هم‌زمان شروع کنید

 

 -------------------------------------------------------------------------------------------------------

 

  1.      گزارش آذرماه (گزارش دوم)

  1. عناوین فعالیتها:
  1. مطالعه و بررسی ژورنالهای سالهای اخیر در زمینه ی کارهای انجام گرفته در مدلسازی ECG و پردازش سیگنالهای اعمال شده بر سیگنال خروجی مدل (پردازش هایی نظیر حذف نویز ، فشرده سازی ، طبقه بندی و ..)
  2. مطالعه ی دقیق عوامل تاثیرگذار بر مولفه های صدای قلب (بررسی دوتاشدگی صدای دوم قلب)
  3. همزمان همراه با مطالعه ، در حال نوشتن پراکنده ی نتایج تحقیقات بطور دقیق (بهمراه رفرنس دهی آنها) می باشم . هرچند هنوز چارچوب اصلی مشخص نشده است .

 

  1. توضیحاتی در زمینه ی مدل پیشنهادی :

McSharry و همکارانش [1] در سال 2003 ، یک مدل دینامیکی از الکتروکاردیوگرام (EDM) برای تولید یک سیگنال مصنوعی ECG با مورفولوژی واقع گرایانه ی PQRST و دینامیک های نرخ ضربان را ارائه کردند . هدف از این مدل ، فراهم آوردن یک سیگنال ECG استاندارد واقع گرایانه با مشخصه های معلوم بود که می توانست با آمارگان مشخصی تولید شود که در نتیجه ی آن ، ارزیابی عملکرد یک تکنیک مفروض ، تسهیل شود . ECG های مصنوعی می توانستند با فرکانس های نمونه برداری مختلف ، مورفولوژی ها ، نرخ های ضربان ، تغییرات نرخ ضربان(HRV) و سطوح نویز مختلف ، تولید شوند .

در سالهای گذشته آپدیت های زیادی روی این مدل و کاربردهای آن انجام پذیرفته است . ابتدا یک رویکرد فیلترینگ مبتنی بر مدل ، فشرده سازی و قطه بندی/استخراج ویژگی برمبنای فیت مربعات حداقل نمایشها روی مدل توسط Clifford و همکارانش[2] در سال 2005 انجام شده است . سپس این دیدگاه توسط Clifford و همکارش در سال2006 [3] ، برای فیلترینگ ، فشرده سازی ، تحلیل فاصله ی QT و قطعه بندی ضربانی اعمال شد . از این مدل در سال 2007 توسط ثامنی و همکارانش [4] برای مدل کردن ECG نوزاد استفاد شد . اخیرا نیز این مدل توسط Clifford و همکارانش در سال 2008 [5] و Clifford و همکارانش در سال 2010 [6] ، به منظور داشتن مدل پنهان مارکوف جهت داشتن امکان تغییر نوع ضربان ، آپدیت شده است . بعلاوه در کار دیگری توسط صیادی و همکارانش در سال 2010 [7] ، نسخه ی بهبود یافته ای از EDM بر پایه ی موج ارائه شده است که نتایج امیدبخشی را برای آشکارسازی PVC نشان داده است .

بر پایه ی تحقیقات انجام گرفته ، مدل پیشنهادی اصلی McSharry تنها یک بیس اولیه است و از آنجاکه این مدل بارها توسط سایر محققان بروز رسانی شده و در آن تغییراتی در جهت بهبود مدل صورت گرفته است ، لذا بنا بر اقتضای پروژه در روند پیشرفت ،  احتمال استفاده از نسخه های بهبود یافته ی آن وجود دارد و این احتمال که بنابر اقتضای نوع کار ، آپدیت دیگری روی آن انجام شود . مدل اصلی به اختصار در زیر تشریح شده است :

  1.   مدل دینامیکی اصلی :

Mcsharry و همکارانش در سال 2003 [1] یک مولد ECG مصنوعی را با استفاده از یک مجموعه از معادلات حالت که یک تراژکتوری سه بعدی در فضای حالت سه بعدی با مختصات (x,y,z) تولید می کردند ، ارائه نمودند . مدل شامل یک سیکل حدی دایروی با شعاع واحد در صفحه ی (x,y) می باشد که تراژکتوری با رسیدن به نقاط شروع (P , Q, R , S , T) در ECG ، بالا و پایین کشیده می شود . در حقیقت شکل موجهای مشخصه ی ECG با رویدادهای نوع گوسی مربوط به جاذب ها/دافع های مثبت و منفی در جهت z ، توصیف می شوند . شبه پریودیک بودن ECG با حرکت تراژکتوری حول سیکل حدی جذب کننده منعکس می شود درحالیکه تغییرات درون ضربانی در ECG با استفاده از حرکت تراژکتوری در جهت z ، بازتولید می شود . معادلات اصلی دینامیکی حرکت ، با مجموعه ای از سه معادله دیفرانسیلی متداول در محورهای مختصات بیان می شود :

که در آن ،  ، ، آرکتانژانت ربع چهارم المانهای x و y ، در محدوده ی  و  سرعت زاویه ای تراژکتوری است وقتی که حول سیکل حدی حرکت می کند و مربوط به نرخ ضربان بیت به بیت بصورت  می باشد . همانطور که در (1) دیده می شود ، هر موج P , Q , R , S, T از شکل موج ECG با یک تابع گوسی واقع در یک موقعیت زاویه ای مشخص  ، مدل شده اند . عبارت های  به ترتیب مربوط به دامنه ، پهنا و پارامترهای مرکزی عبارات گوسی این معادله می باشند . در نهایت اعوجاج خط پایه ی ECG با پارامتر  مدل می شود که فرض شده است مولفه سینوسی نسبتا کم دامنه ی جفت شده با فرکانس تنفسی می باشد[1] . هنگامیکه مختصات z این تراژکتوری نسبت به زمان ترسیم می شود ، ECG مصنوعی حاصل می شود . می تواند مشاهده شود که سیگنال ECG z با جمعی از توابع گوسی نمایان می شود که دامنه ها ، گسترش زاویه ای و موقعیت شان با پارامترهای هسته ی گوسی ( ) ، کنترل شده اند . بر این اساس ، ترکیبات مختلفی از این مجموعه از پارامترها ، منجربه مورفولوژی های مختلفی برای هر سیگنال ECG تولید شده می شود.

 

  1. مشکلات، موانع و سؤالات موجود در پیشرفت تحقیق:

سوال اصلی پیش آمده در رابطه با نحوه ی بررسی تاثیر بیماری ها روی مولفه های سیگنال است . این که پس از ارائه ی مدل تغییراتی در خود مدل انجام دهم و مثلا پارامترهایی را به آن اضافه کنم و یا اینکه از روشهای پردازش سیگنالی این هدف را پیگیری کنم . مطالعاتی که تا کنون انجام داده ام تقریبا راه دوم را پیشنهاد می کنند . این موضوع در حال حاضر که در صدد تعیین چارچوب کلی یا همان سرفصل های پروژه هستم ، یکی از اصلی ترین چالش های پیش روی من می باشد .

 

  1. نظر استاد راهنما:
  1. پایان نامه شما در باره PCG است و براساس جهت گیری مقالات ECG قصد تعیین مسیر تحقیق دارید. هر چند کافی نیست ولی روشن کننده است.
  2. در همین رابطه روش مقاله

 O. Sayadi, M. Shamsollahi, and G. Clifford, "Robust detection of premature ventricular contractions using a wave-based Bayesian framework," IEEE TRANSACTION ON BIOMEDICAL ENGINEERING, vol. 57, pp. 353 - 362 2010.

مناسب به نظر می رسد، نتیجه بررسی این مقاله را در گزارش بعدی بیان کنید

  1. براساس مطالعات مستقل روی PCG گزارشی ارائه فرمایید.
  2. ظاهرا روشهایی مانند روشهای پردازش سیگنالی مقالاتی مانند زیر است که با اهداف مطرح شده در پروپوزال مخالف است

The analysis and classification of phonocardiogram based on higher-order spectra

1390/10/04

 

[1]            P. E. McSharry, G. D. Clifford, L. Tarassenko, and L. A. Smith, "A Dynamical Model for Generating Synthetic Electrocardiogram Signals," IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, vol. 50, pp. 289-294, 2003.

[2]            G. Clifford, A. Shoeb, P. McSharry, and B. Janz, "Model-based filtering, compression and classification of the ECG," IJBEM, vol. 7, pp. 158-161, 2005.

[3]            G. Clifford and M. Villarroel, "Model-Based Determination of QT Intervals," Computers in Cardiology, vol. 33, p. 357−360, 2006.

[4]            R. Sameni, G. Clifford, C. Jutten, and M. Shamsollahi, "Multichannel ECG and Noise Modeling: Application to Maternal and Fetal ECG Signals," EURASIP Journal on Advances in Signal Processing, pp. 1-14, 2007.

[5]            G. Clifford, S. Nemati, and R. Sameni, "An Artificial Multi-Channel Model for Generating Abnormal Electrocardiographic Rhythms," Computers in Cardiology, vol. 35, p. 773−776, 2008.

[6]            G. D. Clifford, S. Nemati, and R. Sameni, "An artificial vector model for generating abnormal electrocardiographic rhythms," PHYSIOLOGICAL MEASUREMENT, vol. 31, pp. 595–609, 2010.

[7]            O. Sayadi, M. Shamsollahi, and G. Clifford, "Robust detection of premature ventricular contractions using a wave-based Bayesian framework," IEEE TRANSACTION ON BIOMEDICAL ENGINEERING, vol. 57, pp. 353 - 362 2010.

●     گزارش دی و بهمن ماه(گزارش سوم)

عناوین فعالیتها:

●      مطالعه در زمینه ی ویژگی های غیرخطی  و روشهای مربوط به تحلیل های غیرخطی جهت پیشبرد اهداف مدلسازی

●      بررسی مقاله ی ذکر شده از جانب شما در گزارش قبل

 

مشکلات، موانع و سؤالات موجود در پیشرفت تحقیق:

●      در این مدت ، از اواسط دی ماه ، متاسفانه به دلیل انجام عمل P.R.K قادر به استفاده از کامپیوتر نبوده ام و لذا مطالعات کافی برای ارائه ی گزارش نداشته ام (هرچند هنوز پس از یک ماه از گذشت زمان عمل ، قدرت دید کافی و مناسب ندارم )

انشاالله هر چه زودتر سلامتی کامل خود را به دست آورید

●      با توجه به اینکه جنابعالی هم در جریان روند انتخاب موضوع پروژه و ارائه ی پروپوزال بنده بوده اید فکر می کنم لازم به توضیح نباشد که زمان اندکی ، در حدود چند روز ، برای بررسی موضوع جدید و در ادامه برای مدل انتخابی داشتم و از این رو گمان می کنم مطالعات ناکافی من در زمان ارائه ی پروپوزال ، باعث ارائه ی پاسخ نامناسب شده باشد . در طول این مدت با انجام تحقیقات بیشتر به این نتیجه رسیده ام که روشهای پردازش سیگنالی احتمالا در رابطه با نحوه ی بررسی تاثیر بیمار ی ها روی مولفه های سیگنال ، پاسخ مناسب تری با روشهای موجود داشته باشد هرچند گمان می کنم بتوان با انجام تغییراتی در پارامترها نیز به این هدف دست یافت . با وجود اینکه فکر می کنم با شروع فاز برنامه نویسی در ادامه ی این ماه و پیشرفت در ادامه ی کار ، بتوان بهتر در این مورد اظهار نظر نمود ، به هر حال اولویت من در رابطه با براوردن موارد ثبت شده در پروپوزال خواهد بود .

●      با نظر جنابعالی در رابطه با نکته ی چهارم کاملا موافقم .

 

توضیحات:

مقاله ای که در گزارش قبل به آن اشاره فرمودید ، بررسی شد ؛ روش مورد استفاده در مقاله  [1] ، مشابه با پایه ی اصلی مورد استفاده در کارهای [2] ، [3] و [4] می باشد که بطور خلاصه بصورت زیر تشریح می شود :

مدل دینامیکی ECG مبتنی بر موج

●   یک روش ساده برای مدلسازی یک ثبت ECG ، مدل کردن هر ضربان قلبی بصورت ترکیبی از شکل موجهای مشخصه ی محدود (CWs) می باشد بطوریکه هر کدام توسط جمع هسته های گوسی نمایش داده می شوند . به عبارت دیگر ، فرض می شود که هر سیکل از ضربان قلبی ثبت شده از ECG می تواند شامل تعداد محدودی از CW ها (معمولا موج P ، کمپلکس QRS و موج T) باشد . با این حال هر CW معرف کارکرد فیزیولوژیکی یک بخش مشخص از قلب است که به نوبه ی خود به تحلیل رویدادهای ECG کمک می کند. این ایده از مدل دینامیکی غیرخطی که برای تولید ECG های مصنوعی توسط Mcsharry در سال 2003 [2] پیشنهاد شد، منشاء گرفته است. مدل ، یک تراژکتوری سه بعدی تولید می کند که شامل یک سیکل حدی دایروی است که با رسیدن به نقاط آغازین در ECG (P,Q,R,S,T) که مراکزشان مرکز هر گوسی است ، به بالا و پایین کشیده می شود . نسخه ی گسسته ی ساده سازی شده ی مدل در صفحه ی قطبی بصورت زیر می باشد[5] :

●   می توان مشاهده کرد که سیگنال ECG با جمعی از توابع گوسی نشان داده شده است که مکانهایشان با سیگنال فاز  کنترل می شود . به منظور مدل کردن رویدادهای جداگانه ی یک سیگنال ECG ، معادله ی دینامیکی دوم در رابطه ی (1) می تواند به دو متغیر حالت جداگانه تقسیم شود که هرکدام یک رفتار مشابه با معدله ی اصلی دارند . با این حال ، جداسازی و افزایش بعد ناشی از آن ، تحلیل رویدادهای مختلف را در سیگنال ECG تسهیل می نماید .

●   با فرض حضور سه CW مشخص مربوط به موج P ، کمپلکس QRS و موجT ، سیگنال ECG به سه مولفه تقسیم می شود . بعلاوه ، برای داشتن نمایش صحیح تری از CW ها ، تعداد توابع گوسی می تواند تغییر کند .

●    Clifford و همکارنش در [6] ، بسطی از مدل را ارائه کرده اند که تعداد دلخواهی از گوسی ها را با دو گوسی برای هر نقطه ی شروع متقارن (P و T) بکار می گیرد .

●    از آنجاکه گوسی ها متقارن هستند ، نقاط شروع نامتقارن به بیش از یک گوسی احتیاج دارند (حداقل دو گوسی) و لذا بهترین انتخاب این است که تعداد پارامترها برای سادگی محاسباتی ، حداقل شود . بر این اساس ، موج P و موج T با دو هسته ی گوسی ، برای توضیح دوفازی بودن موج P و ماهیت نامتقارن موج T در نرخ های ضربانی کم- متوسط ، مشخص می شوند . در مقابل ، گنجاندن بیش از یک هسته برای Q ، R و S ، اهمیت قابل اغماضی دارد .

●   صیادی و همکارش در [7] نشان داده اند که حداقل 5 هسته برای حفظ ویژگی های مورفولوژیکی در سیگنال EKF فیلتر شده ، ضروری است . اگرچه افزایش تعداد گوسی ها تاثیر ناچیزی بر عملکرد فیلترینگ دارد ، با این وجود بهبود کمی در نرخ فشرده سازی را فراهم می آورد [7, 8] . در نتیجه ، در این کار از 7 هسته برای مدل کردن یک ضربان ECG استفاده شده است .

●          مدل اصلاح شده بصورت زیر است :

          که در آن ،  و  به ترتیب معرف اعوجاجات موج P ، کمپلکس QRS و موجT می باشند .

●   مدل دینامیکی مبتنی بر موج ، یک تابع غیرخطی از بردارهای نویز پردازش و حالت است ؛ لذا بسط های غیرخطی از فیلتر کالمن (KF) ، برای تخمین بردار حالت مورد نیاز هستند . چارچوب پیشنهادی در این کار ، یک ساختار EKF را برای ساده سازی و پایداری عددی بهبود یافته اش بیش از دیگر فیلتر های بیزین ، ایجاد کرده است . به منظور استفاده از فرمالیته ی KF برای این سیستم ، لازم است که یک تقریب خطی از (2) نزدیک به یک نقطه ی مرجع مطلوب ( ) برای بدست آوردن مدل تقریبی خطی استنتاج کرد .

●   ایده ی کلیدی EKF ، خطی سازی مدل سیستم غیرخطی در نزدیکی نقطه ی تخمین زده شده ی قبلی و محاسبه ی بازگشتی بهره ی فیلتر ، سیگنال ابداعی و ماتریس های کواریانس حالت از معادلات خطی سازی شده می باشد در حالیکه انتشار زمانی KF توسط معادلات غیرخطی اصلی فراهم می آید .

 

 

نتایج

●   در این تحقیق یک چارچوب بیزین مبتنی بر موج پیشنهاد شده است و برای آشکارسازی بیت PVC مورد اعتبارسنجی قرار گرفته است که قادر به کار روی یک تک لید از ECG نیز می باشد .

●      روش پیشنهادی مبتنی بر یک الگوریتم EKF است که موجهای مشخصه ی ECG را به یک مدل دینامیکی پیوند می دهد .

●   با جداسازی توابع گوسی و استفاده از دو هسته برای هر موج نامتقارن ، یک مدل فضای حالت ایجاد شده است که یک سیگنال ECG را بصورت ترکیبی از شکل موجهای مشخصه ی محدود تخمین می زند ، بطوریکه هر کدام معرف یک حالت فیزیولوژیکی خاص از قلب می باشد . بر طبق این مدل مشخص ، ساختار EKF ، ابزار ردیابی رفتار CW ها را از طریق روش فیلترینگ فراهم می آورد .

●   از نقطه نظر فیلترینگ ، KF ها می توانند بصورت فیلترهای تطبیقی در نظر گرفته شوند که بطور پیوسته ای مکان قطب ها و صفرهای توابع تبدیلشان را مطابق با محتوای سیگنال یا نویز ورودی ها و مدل اولیه ی دینامیک های سیگنال ، حرکت می دهند . ساختار فیلتر بر مبنای مدل دینامیکی یکتایی است که بر طبق معادلات انتشاری ، به نمایش ها منطبق می شوند .این ویژگی به فیلتر اجازه می دهد که با اشکال طیفی مختلفی تطبیق شود ؛ لذا واریانس نویز مشاهده ، معرف درجه ی قابلیت اطمینان یک نمایش تنها و همچنین درجه ی ردیابی تطبیقی اندازه ی نویزی ورودی می باشد .

●      در این کار یک نمایش قطبی برای تمیز دادن بین تغییرات ریتمی که درون پوش قطبی و PVC ها اتفاق می افتد ، معرفی شده است .

●   روش پیشنهادی عملکرد بسیار بالایی را نشان داده است در کنار اینکه این روش ، هیچ قانون تصمیم گیری را در مقایسه با  روشهای مبتنی برآستانه گذاری ها ، استخراج ویژگی ، آموزش و انتخاب ساختار طبقه بندی کننده بکار نمی گیرد .

●   باید توجه شود که مقدار اولیه برای بردار حالت و همچنین انتخاب ماتریس های کواریانس فرایند و نویز اندازه گیری ، تراژکتوری بردارهای تخمین زده شده را متاثر می کند . وابستگی نتایج به این تخمین های اولیه ، اشکال اصلی روش پیشنهادی است .

●      بخاطر ساختار بازگشتی KF ، روش پیشنهادی از نظر محاسباتی قابل ردیابی است و برای کاربردهای زمان حقیقی بسیار مطلوب است . زمان محاسباتی این روش رابطه ی مستقیمی با طول سیگنال در نمونه ها دارد .

 

 -------------------------------------------------------------------------------------------------------

 

نظر استاد راهنما:

 

 

[1]            O. Sayadi, M. Shamsollahi, and G. Clifford, "Robust detection of premature ventricular contractions using a wave-based Bayesian framework," IEEE TRANSACTION ON BIOMEDICAL ENGINEERING, vol. 57, pp. 353 - 362 2010.

[2]            P. E. McSharry, G. D. Clifford, L. Tarassenko, and L. A. Smith, "A Dynamical Model for Generating Synthetic Electrocardiogram Signals," IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, vol. 50, pp. 289-294, 2003.

[3]            R. Sameni, M. B. Shamsollahi, and C. Jutten, "Model-based Bayesian filtering of cardiac contaminants from biomedical recordings," PHYSIOLOGICAL MEASUREMENT, vol. 29, pp. 595–613, 2008.

[4]            O. Sayadi, M. B. Shamsollahi, and G. D. Clifford, "Synthetic ECG Generation and Bayesian Filtering Using a Gaussian Wave-Based Dynamical Model," PHYSIOLOGICAL MEASUREMENT, vol. 31, pp. 1309–1329, 2010.

[5]            R. Sameni, M. B. Shamsollahi, C. Jutten, and Gari D. Clifford, "A Nonlinear Bayesian Filtering Framework for ECG Denoising," IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, vol. 54, pp. 2172-2185, 2007.

[6]            G. Clifford, A. Shoeb, P. McSharry, and B. Janz, "Model-based filtering, compression and classification of the ECG," IJBEM, vol. 7, pp. 158-161, 2005.

[7]            O. Sayadi and M. B. Shamsollahi, "ECG Denoising and Compression Using a Modified Extended Kalman Filter Structure," IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, vol. 55, pp. 2240-2248, 2008.

[8]            O. Sayadi, R. Sameni, and M. B. Shamsollahi, "ECG Denoising Using Parameters of ECG Dynamical Model as the States of an Extended Kalman Filter," in 29th Annual International Conference of the IEEE EMBS, Lyon, France, 2007, pp. 2548-2551.

 

----------------------------------------------------------------------------------------------------------------------------

●     گزارش اسفند ماه(گزارش چهارم)

 

عناوین فعالیتها:

●      آغاز پروسه ی برنامه نویسی

●   اخذ بخشی از کدهای برنامه نویسی مربوط به مدلسازی ECG از صفحات شخصی برخی از نویسندگان مقالات که برمبنای مدل پایه تنظیم شده است . این برنامه ها شامل سنتز ECG مصنوعی ، نحوه ی تولید نویز رنگی مصنوعی جمع شونده و بخشی از پروسه ی حذف نویز می باشد .

●      کدهایی مربوط به برنامه ی های فیلتر کالمن و تولباکس KF نیز از سایت های جداگانه جمع آوری شده است .

●      به نظر می رسد تا این مرحله مطالعات جنبی در این حوزه تکمیل تر شده باشد .

مشکلات، موانع و سؤالات موجود در پیشرفت تحقیق:

○   بنابر صحبت قبلی با آقای دکتر شمس الهی ، برای درخواست مشاوره از ایشان و گرفتن راهنمایی و کمک برای ادامه ی کار به ایشان مراجعه کردم ولی به دلایلی (مثل رفتن به فرصت تحقیقاتی در ماه آینده و دلایل دیگر) از همکاری در این تحقیق امتناع نمودند . (در واقع ایشان بیشتر تمایل داشتند که در این پروژه استاد راهنما باشند تا مشاور )

○   من هنوزنتوانسته ام استاد مشاوری برای کمک و همکاری در این پروژه بگیرم ، لذا خواهشمندم در صورت امکان از اساتید فعال در این حوزه ی تحقیقاتی معرفی بفرمائید تا در ادامه ی کار در این پروژه از ایشان نیز کمک و مشاوره ی لازم را بگیرم .

 زمینه مورد نیاز چیست؟ به نظر شخصی با تخصص مدل سازی مناسب باشد. ولی الان کمی دیر نیست؟

 

نظر استاد راهنما:

تاریخ: 29/12/1390

گزارش شما مطالعه شد.

سؤالی که پاسخ به آن در پیشرفت کار شما تأثیربسزایی می گذارد این است که ارتباط بین مدل دینامیکی فوق با PCG چیست؟ مطالعاتی که در بالا (گزارشات دی، بهمن و اسفند) به آنها اشاره کرد اید موفقیتهایی مانند امکان بررسی PVC یا گسترش آن برای سیگنال قلب نوزاد و ...لیکن موضوع رساله شما PCG است. این که ( تقریباً) از یک مدل (مک شری) برای  این کار استفاده شده، نشان دهنده این است که این مدل توانایی لازم برای مدل سازی کارکرد قلب را داراست.حال فرقی نمی کند کارکرد الکتریکی (از روی پوست اخذ شود) یا داخلی و کارکرد مکانیکی.

روش شما باید برگرفته از روش توصیف سیگنال ECG از روی مدل مک شری و تنظیم پارامترهای آن به همان روش خواهد بود.

این که toolbox برای EKF گرفته اید و مدل مک شری را پیاده کرده اید بسیار عالی است.  پس از تسلط بر ابزارهای فوق از این پس سعی کنیدبر توصیف کارکرد مکانیکی قلب از روی مدل مک شری متمرکز شوید.

دکتر راحتی