اطلاع رسانی انفورماتیک پزشکی

نویسندگان : سعید کریمی علویجه - فرزانه کریمی علویجه

این مقاله در سومین سمینا ر دانشجویی انفورماتیک پزشکی دانشگاه علوم پزشکی شهید بهشتی (۱۸ اردیبهشت ۱۳۹۲) به صورت پوستر پذیرفته شد و ارائه گردید. تا روز ۱۷ آذر ۱۳۹۲ متن کامل این مقاله در این وبلاگ درج شده بود. متاسفانه یک نفر با زیر پا گذاشتن اصول اخلاقی این مقاله را بدون هیچ کم و کاست کپی کرده و در یک همایش در آذر ماه ۱۳۹۲ ارائه داده است. برای دریافت مقاله در بخش نظر بدهید کد مقاله را بپرسید.

دامه مطلب را بخوانید:

[ فرشيد مجيدفر ] - دانشگاه صنعتي مالك اشتر – مجتمع دانش گاهي برق و الكترونيك - مهندس الكترونيك
[ فرزان مجيدفر ] - دانشگاه صنعتي امير كبير – دانشكده مهندسي پزشكي - دكتراي پزشكي /كارشناس ارشد مديريت فناوري اطلاعات پزشكي
[ محمد تفضلي شادپور ] - دانشگاه صنعتي امير كبير – دانشكده مهندسي پزشكي – عضو هيئت علمي (استاديار)
۱۳۸۶

خلاصه مقاله:

پيشرفت تكنولوژي در زمين ه هاي مختلف و توليداطلاعات ب ي نظير و انبوه در شاخ ه هاي مختلف زيس تشناسي و پزشكي ، موجب توسعه تعداد بسيار زيادي از الگوريت م ها براي پردازش و تحليل داد ه هاي زيستي شده است . استفاده از منابع غير عددي اطلاعات براي كشف لاي ه هاي پنهان زيست شناسي يكي از اين رهيافت ها اس ت . در اين مقاله طراحي ، گسترش و اجراي رهيافتي براي يكپارچ ه سازي رو ش هاي مختلف متن كاوي در مقالات پايگاه داده مدلاين به منظور تجزيه و تحليل طولي مقالات زيست – پزشكي تكنولوژيك را شرح داد هايم. روش پيشنهادي مبتني بر استفاده از دسترسي پويا بهMEDLINE براي شناسايي آخرين تحقيقات، و ج مع آوري مقالات زيست – پزشكي در يك حوزه خاص تكنولوژيك اس ت . مقالات جمع آوري شده براي توليد فهرستي از واژگان كليدي پيش پردازش متني مي گردن د . سپس تكني ك هاي پردازش زبان طبيع ي(NLP) مانند فيلترهاي part of speech و stop-word براي پاكسازي به فهرست اعمال مي شوند. براساس فهرست واژگان اختصاصي توليد شده ، هر يك از مقالات تبديل به برداري از واژگان كليدي مي شون د . بردارهاي به دست آمده به يك الگوريتم خوش ه بندي سلسله مراتبي وارد شده تا مقالات بر اساس فهرست واژگان كليدي به صورت طبيعي گرو هبندي شوند . سپس گروه هاي ايجاد شده ب ر اساس فاكتورهايي مانند زمان انتشار مقاله به صورت طولي تجزيه و تحليل مي شوند و در مرحله نهايي يا تجسم سازي(visualization) نتايج آناليز به تصوير در مي آين د . هر ، يك از مراحل گفته شده به صورت مستقل برنامه نويسي و به صورت يك نرم افزار رايانه اي پياده سازي شده اند . براي ارزيابي رهيافت شرح داده شده ، مقالات مدلاين در زمينه تله كارديولوژي( telecardiology) به عنوان ورودي مورد استفاده قرار گرفتند و بر اساس مراحل گفته شده مورد تجزيه وتحليل طولي قرار گرفته ، تجسم سازي شدند . ما اعتقاد داريم كه تحلي ل هاي صورت گرفته در اين تحقيق براي توسعه و ميزان سازي دقيق متدولوژ يهاي داده كاوي متني مقاله هاي علوم زيست – پزشكي ارزشمند است.

داده كاوي ، متن كاوي ، خوشه بندي سلسله مراتبي ،مدلاين ،مقالات زيس ت -پزشكي ، پيش پردازش ، پاكسازي ،تجسم سازي ، تله كارديولوژي

[ سعيد جليلي ] - دانشگاه تربيت مدرس، دانشكده فني، آزمايشگاه يادگيري نمادين ماشين
[ فاطمه فرجي دانشگر ] - دانشگاه تربيت مدرس، دانشكده فني، آزمايشگاه يادگيري نمادين ماشين
۱۳۸۶

خلاصه مقاله:

سيستم هاي خبره مبتني بر قانون اغلب براي پشتيباني تصميم گيري در دامنه هاي مختلفي مانند تشخيص خطا، زيست شناسي، و پزشكي به كار گرفته مي شوند، در بعضي از دامنه ها مانند پزشكي، ترجيح داده ميشود از روش هاي دسته بندي به صورت جعبه سياه (مانند شبكه عصبي) استفاده نشود تا كاربر قادر بهدرك دانش دسته بندي باشد. دسته بندي هاي مبتني بر قانون فازي براي اين منظور بسيار مناسب هستند، زيرا آنها حاوي قوانين تفسير پذير زباني ساده اي هستند و بعضي محدوديتهاي دسته بندهاي قطعي را ندارند.
يكي از كاربردهاي داده كاوي در پزشكي ، مسئله تشخيص سرطان است. ما در اين مقاله ، يكي از روشهاي دسته بندي فازي به نام MMFF را كه ازلحاظ سادگي و دقت دسته بندي در ميان روش هاي مشابه، روش مناسبي است، معرفي مي نماييم و آن را براي توليد دسته بندي فازي براي تشخيص سرطان سينه روي مجموعه داده Wisconsin Breast cancer به كار مي بريم. با توجه به نتايج نسبتا ضعيف روش MMFF ، در تشخيص سرطان، اين روش را توسعه داديم. انجام آزمايشات مختلف نشان مي دهد كه روش توسعه يافته نه تنها دسته بند فازي دقيق تري توليد مي كند، بلكه قوانين فازي توليد شده كوتاه تر و ساده تري توليد مي كند. در انتها با مقايسه دسته بند فازي توليد شده به روش MMFF توسعه يافته، با روش هاي موجود در تشخيص سرطان سينه مشاهده شدكه اين روش نسبت به روش MMFF روي داده هاي سرطان سينه 9/2% در نرخ دسته بندي بهبود داشته است. همچنين روش MMFF توسعه يافته نسبت به بهترينروش بكار رفته در تشخيص سرطان سينه، 1/7% در نرخ دسته بندي بهبود داشته است. علاوه بر بهبود نرخ دسته بندي ، روش MMFF منجر به توليد تعداد قوانين كمتر و ساده تري نسبت به روش MMFF شده است.

يادگيري ماشين ، قوانين فازي ، دسته بندي فازي ، تشخيص سرطان سينه ، داده هاي پزشكي

[ ياسر رحيمي ] - دانشجوي كارشناسي ارشد، دانشگاه مازندران، مجتمع آموزش عالي فني و مهندسي نوشيرواني بابل، دانشكده برق و كامپيوتر
[ رضا قادري ] - استاديار، دانشگاه مازندران، مجتمع آموزش عالي فني و مهندسي نوشيرواني بابل، دانشكده برق و كامپيوتر
[ رسول اميرفتاحي ] - استاديار، دانشكده مهندسي برق و كامپيوتر دانشگاه صنعتي اصفهان
۱۳۸۶

خلاصه مقاله:

در بررسي خودكار تصاوير كروموزومي، هنگامي كه كروموزوم ها به عنوان يك شيئ از تصوير جدا مي شود، ممكن است مجموعه كروموزوم هايي كه به هم نزديك اند و يا روي هم افتاده اند، به عنوان يك شيئ شناسايي شوند . از آنجا كه تصاوير داراي چند كروموزوم پردازش هاي بيشتري را مي طلبد، مي بايست تصاوير داراي چند كروموزوم به طور جداگانه مورد بررسي قرار گيرند . يكي از مراحل بررسي خودكار كروموزوم ها، تفكيك اتوماتيك تصاوير داراي چند كروموزوم از تصاوير تك كروموزومي است . در اين تحقيق به بررسي حل اين مسأله با استفاده از شبكه هاي عصبي رو به جلو مبادرت شده است . در مجموع نتايج به دست آمده رضايت بخش مي باشد و مي توان با بررسي بيشتر نتايج بهتري به دست آورد

كاريوتايپ اتوماتيك، كلاسيفاير شبكه عصبي، كروموزوم، كروموزوم هاي هم پوشان، پردازش تصوير

[ سيده زهره سيدصالحي ] - دانشجوي كارشناسي ارشد، دانشگاه شاهد، پژوهشكده پردازش هوشمند علائم
[ محمد ميكائيلي ] - استاديار دانشكده فني، دانشگاه شاهد
[ امين محمديان ] - كارشناسي ارشد، پژوهشكده پردازش هوشمند علائم
[ ابراهيم جعفرزاده پور ] - استاديار دانشكده اصول توانبخشي ، دانشگاه ايران
۱۳۸۶

خلاصه مقاله:

پتانسيل هاي برانگيخته انواعي از سيگنالهاي مغزي هستند كه در نتيجه وجود تحريك در مغز ايجاد مي شوند، اجزاء پتانسيل هاي برانگيخته به دو نوع درون زا و برون زا تقسيم مي شود. اجزاء برون زا به واسطه شاخصه هاي فيزيكي محرك تعيين مي شود در حاليكه اجزاء درون زا مستقل از حركت مي باشد و تنها به عنوان عملكردپردازش ذهني مختص به آن تحريك بروز مي كند. جهت بررسي تفكيك سيگنال ها بر حسب مشخصات تحريك لازم است تا پتانسيل هاي برانگيخته مورد پردازش قرار گرفته و ويژگي هايي از آنها كه مربوط به نوع تحريك است انتخاب شود. در اين تحقيق پتانسييل هاي برانگيخته بينايي از سه فرد نرمال در رنج سني 18 تا 35 سال با تحريك توسط الگوهاي معكوس شونده با نرخ تحريك ½ در ثانيه ثبت شده است. الگوهاي در كانتراست 100% و رنگ سياه و سفيد با فركانسهاي فضايي 15، 60 و 90 درجه بر دور اعمال شدند. به منظور بررسي يك فرضيه مبني بر تاثير تغيير فركانس فضايي تحريك در مشخصات فركانسي سيگنال برانگيخته اين ويژگي ها دركنار مجموعه ديگري از ويژگي ها قرار گرفتند و با دوروش الگوريتم ژنتيك و كاهش بعد سلسله مراتبي ارزيابي شدند. درصد طبقه بندي 60% توسط طبقه بندي كننده درخت تصميم با استفاده از مجموعه بهينه روش كاهش بعد سلسله مراتبي به عنوان بهترين نتيجه بدست آمد. اما بر خلاف فرضيه اوليه، تغيير در فركانس هاي فضايي الگوها تاثير زيادي بر تفكيك پذيري سيگنالها نداشت.

پتانسيل برانگيخته بينايي ، الگوريتم ژنتيك ، كاهش بعد سلسله مراتبي

منبع: http://www.civilica.com/Paper-IDMC01-IDMC01_030.html

[ اميرحسين اسدي ] - دكتري رياضيات، دانشگاه ويسكانسين - مديسون، آمريكا
[ حسام الدين ترابي دشتي ] - دانشجوي مقطع كارشناسي ارشد علوم كامپيوتر، دانشگاه تهران
[ نسيم جمالي ] - مهندسي نرمافزار، مركز عالي بيوماتمتيك، دانشگاه تهران

خلاصه مقاله:

آناليز رفتار سلول هاي موجودات زنده به منظور ادراك فرآيندهاي حياتي سلول يكي از مهم ترين مسائل مطرح در زمينه تحقيقاتي بيوانفورماتيك به شمار ميرود . از آنجا كه رفتارهاي گوناگون سلول از طريق تغيير مقدار كپيبرداري از ژن هايش - كه به آن بيان ژن ميگويي صورت مي پذيرد، آناليز رفتار سلول از طريق بررسي بيان ژن هاي سلول صورت ميگيرد در مورد تغيير مقدار بيان ژن، نكته حائز اهميت، تأثير تغيير بيان يك ژن بر مقدار بيان ساير ژن هاست . تحقيقات زيست - شناسان در اين زمينه، نشان داده است كه اين تأثير به صورت گروهي صورت ميپذيرد . اين بدان معني است كه تغيير بيان دسته اي از ژن ها باعث تغيير بيان ژن دسته يا دستههاي ديگري از ژن ها ميگردد . اين تأثيرات به صورت سلسله مراتبي به ساير دسته ژن ها ] ٤ ۵۱ [ نيز منتقل ميگردد . به عنوان مثال افزايش ( كاهش ) مقدار بيان ژن هاي دسته A باعث افزايش ( كاهش ) مقدار بيان ژن هاي دسته B ميگردد؛ كه اين تغيير، خود بر مقدار بيان ژن هاي دسته C ميتواند تأثير گذار باشد و اين سلسله تأثيرگذاري ها ادامه پيدا ميكند . اين مثال بيانگر درجه ي اهميت تشخيص گروه ژن هاي تأثير گذار بر يكديگر در آناليز رفتار سلول ميباشد . گروه بندي ٥ ژن هايي كه تأثير يكسان بر ساير ژن ها دارند يا به عبارت ديگر هم رفتاراند، از طريق بررسي مكاشفهاي ميزان تغيير بيان هر يك از ژن ها صورت ميگيرد . از آنجا كه تأثير بيان ژن ها بر يكديگر نيازمند گذر زمان است،
بررسي تغيير بيان ژن ها بر يكديگر، نيازمند آناليز يك سري زماني از مقدار بيان ژن ها مي باشد . متد محاسباتي ارائه شده در اين مقاله بر پايه Support Vector Machines به گروه بندي ژن هاي هم رفتار ميپردازد . اين متد بر روي پايگاه دادهاي از مقدار بيان ۰۰۰۷۲ ژن در۳ حالت مختلف سلول كه از ۱۱ مورد اندازه گيري بيان ژن ها به دست - آمده، آزمايش گرديد . بيان ژن ها از سلول هاي مبتلا به بيماري پاركينسون جمع آوري شده است و سه حالت فوق مربوط به سلول سالم، سلول بيماري كه داروي پرگولايد ٦ روي آن آزمايش گرديده و حالت آخر مربوط به زماني است كه دارو هاي پرگولايد و كينسترين ٧ بر روي بدن بيمار آزمايش گرديده اند . نتايج بدست آمده از اين تحقيق نشان ميدهد كه الگوريتم طراحي شده، ۸۹ % گروهبندي زيست شناسان ‐ كه بر پايه اطلاعات آزمايشگاهي ميباشد - را به درستي تشخيص داده و همچنين گروه بنديهاي جديد و سلسله مراتبهاي جديدي را نيز استخراج نموده است

گروه بندي، بيان ژن ها، مسير تأثيرگذاري ژن ها ، Support Vector Machine

[ حامد زيوري ادب ] - دانشجوي كارشناسي ارشد مهندسي پزشكي، دانشگاه آزاد اسلامي واحد علوم تحقيقات
[ سيما چلاوي ] - كارشناسي ارشد مهندسي پزشكي بيوالكتريك، دانشگاه صنعتي اميركبير
[ سيدمحمد فيروزآبادي ] - دانشيار و هيأت علمي دانشكده علوم پزشكي، دانشگاه تربيت مدرس
[ كيوان معقولي ] - استاديار و هيأت علمي دانشكده مهندسي پزشكي، دانشگاه آزاد اسلامي واحد علوم تحقيقات

خلاصه مقاله:

الكترومايوگراف ) EMG مهمترين تست كلينيكي در تشخيص اختلالات عصبي- عضلاني است . در بيماريهاي عصبي - عضلاني از نوع مايوپاتي، ساختمان واحد حركتي در اثر فرآيند بيماري دستخوش تغيير حالت، خصوصا هندسي مي شود . يكي از راههاي شناخت تاثير اين نوع بيماريها بر روي سيگنال الكترومايوگرام ثبت شده از بيمار، شبيه سازي سيگنال EMG و مطالعه تاثير تغيير مشخصات فيزيكي بر شكل موج ثبت شده است . اين شبيه سازي، احتياج به دانش مفصلي در مورد رابطه بين منابع و توليدكننده هاي شكل موج و كميتهاي آن در محل ثبت دارد . مدلهاي رياضي و شبيه سازيهاي كامپيوتري مي توانند براي استخراج اين ارتباط به طرز موثري به كار گرفته شوند .
در اين مطالعه، ابتدا بر پايه مدل منبع خطي بهبود يافته، نرم افزار شبيه ساز سيگنال EMG سوزني طراحي و سپس به كمك آن سيگنال پتانسيل عمل واحد حركتي در حالت سالم و بيماري ديستروفي عضلاني ) EDMD ) Emery-Dreifuss شبيه سازي گرديد . ويژگيهاي : دامنه، زمان دوام، تعداد فاز و چرخش، سطح زير منحني، ضخامت، انديس سايز و ميزان بي نظمي منحني ( ضريب ) IR ، نرخ پتانسيلهاي چند فازي و همچنين چگالي فيبرهاي ) ) FD واحد حركتي استخراج و مورد ارزيابي كمي و آماري قرار گرفتند . شبيه سازيها افزايش در ميانگين FD ، ضريب بي نظمي، تعداد فازها و چرخشها، نرخ پتانسيلهاي چند فازي، دامنه و كاهش در زمان دوام، مساحت، ضخامت و انديس سايز سيگنال را در حالت بيماري EDMD نشان مي دهند ( ۵۰ / ۰ ).P< مقايسه آماري ويژگيهاي سالم و بيمار با محاسبه مقادير P-value حاكي از مناسب بودن اين ويژگيها براي تفكيك دو گروه مي باشد . به طور كلي نتايج شبيه سازي بيماري EDMD ، نشان مي دهد كه اين بيماري با ضابطه بيماريهايي مايوپاتي مطابقت دارد

الكترومايوگرافي، پتانسيل عمل واحد حركتي، بيماري ديستروفي عضلاني Emery-Dreifuss ، شبيه ساز ،EMG استخراج ويژگي، ارزيابي آماري.

منبع : http://www.civilica.com/Paper-IDMC01-IDMC01_082.html  ۱۳۸۶

http://www.isfahanportal.ir/Files/kamali/ict/17.pdf