کتاب اندازه گیری و آشکارسازی تابش های هسته ای زبان فارسی
نویسنده : نیکلاس سولفانیدیس
مترجم : رحیم کوهی
مترجم : محمدهادی هادی زاده یزدی
کتاب اندازه گیری و آشکارسازی تابش های هسته ای یکی از کامل ترین کتب در زمینه دزیمتری و آشکارسازی می باشد.این کتاب از رفرنس های پیشنهادی آزمون های کارشناسی ارشد فیزیک پزشکی و پرتو پزشکی است.
حجم فایل: 17 مگابایت
فصل 5- آشکارسازی اطلاعات بد و تعیین هویت
یکی از کارهای اساسی یک برآورد کننده عبارت اند از تعیین خطاهای اندازه گیری و تعیین و حذف آنها است اگر ممکن باشد، اندازه گیری ها ممکن است حاوی خطاهای ناشی از دلایل مختلف باشد. خطاهای تصادفی معمولاً در سنجش های ناشی از دقت محدود مترها و وسایل ارتباطات وجود دارند. اگر redundancy زائده های کافی در بین سنجش ها وجود داشته باشد، چنین خطاهایی توسط برآورد کننده حالت، فیلتر
می شود. طبیعت این عمل فیلتر کردن بستگی به روش برآورد بکار رفته دارد. خطاهای اندازه گیری بزرگ می توانند وقتی رخ دهند که مترها دارای بایاس ها، یا اتصالات (یا ارتباطات) غلط باشد. خرابی های سیستم ارتباطات از راه دور یا نویز ایجاد شده توسط تداخل پیش بینی نشده نیز منجر به انحرافات زیاد در سنجش های ثبت شده می شود. قطع نظر از این موارد، یک برآورد کننده ممکن است با اطلاعات توپولوژیک غیرصحیح فریب داده شود که بعداً بصورت اطلاعات بد توسط برآورد کننده تفسیر می شود. چنین موقعیتهایی (حالتهایی) به سختی کنترل می شوند و برطرف کردن خطاهای توپولوژی بعدا در فصل 7 بحث می شوند. بعضی اطلاعات بد آشکار هستند و می توانند توسط کنترل های ساده، آشکار شده یا حذف شوند. اندازه گیری مقادیر ولتاژ منفی از اندازه گیری بزرگتر یا کوچکتر از مقادیر پیش بینی شده اند از آن جمله است. یا تفاوت های زیاد جریانهای ورودی و خروجی در یک گره ارتباطی در یک ایستگاه فرعی از جمله مثالهای چنین اطلاعات بد می باشند. متأسفانه تمام انواع اطلاعات بد به آسانی قابل آشکار شدن توسط این دستگاه ها نمی باشند. بنابراین، برآورد کننده های حالت باید مجهز به ویژگی های پیشرفته تری باشند که آشکارسازی و تعیین هویت هر نوع از اطلاعات بد را آسان می کند. عملیات اطلاعات بد بستگی به روش برآورد حالت بکار رفته در اجرا دارد. این فصل بر روی آشکار سازی اطلاعات بد و روش های تعیین هویت تمرکز دارد که با روش WLS مرتبط هستند. سایر روش های برآورد حالت از قبیل روش هایی که در فصل 6 بحث می شوند، پردازش اطلاعات بد را بصورت روش برآورد کننده حالت ترکیب می کند و بنابراین بحث آنها شامل جنبه های عملیات اطلاعات بد نیز می باشد هنگام استفاده از روش برآورد WLS، آشکار سازی و تعیین هویت اطلاعات بد فقط پس از فرایند برآورد توسط پردازش باقیمانده های اندازه گیری انجام می شوند. تحلیل بر اساس خواص این باقیمانده ها است که شامل توزیع احتمالات پیش بینی شده آنها می باشد. اطلاعات بد ممکن است به راههای مختلفی ظاهر شود که بستگی به نوع، محل و تعداد اندازه گیری هایی دارد که در خطا هستند. آنها می توانند به این شرح طبقه بندی شوند :
1- اطلاعات بد واحد : فقط یکی از سنجش ها در کل سیستم دارای یک خطای بزرگ است.
2- اطلاعات بد چندگانه : بیش از یک اندازه گیری در خطا خواهد بود.
اطلاعات بد چندگانه ممکن است در سنجش هایی ظاهر شود که باقیمانده های آنها بطور قوی یا ضعیف مرتبط هستند، سنجش های مرتبط بطور قوی آنهایی هستند که خطاهای آنها بر روی مقدار برآورد شده از یکدیگر تاثیر زیادی می گذارند و باعث می شوند که مورد خوبی در خطا ظاهر شود هنگامی که سایر موارد حاوی یک خطای بزرگ باشد. برآوردهای اندازه گیری ها با باقیمانده های مرتبط تحت تاثیر خطاهای یکدیگر نمی باشند، وقتی که باقیمانده های اندازه گیری قویاً مرتبط باشند، خطاهای آنها ممکن است برابر باشند، خطاهای انطباقی / خطاهایی هستند که با یکدیگر بطور منطقی و سازگار ظاهر می شوند. اطلاعات بد چندگانه می توانند بعداً به یکی از این سه گروه طبقه بندی شوند :
1- اطلاعات بد غیر- تراکنشی چندگانه : اطلاعات بد در سنجش های دارای بقایای اندازه گیری مرتبط ضعیف
2- اطلاعات بد غیر- انطباقی ولی تراکنشی چندگانه : اطلاعات بد غیر انطباقی در سنجش ها با بقایای مرتبط قوی.
3- اطلاعات بد انطباقی و تراکنشی چندگانه : اطلاعات بد سازگار در سنجش های با بقایای مرتبط قوی.
تعیین مقدار تراکنش بین سنجش ها و تحلیل خطاها می توانند براساس حساسیت های بقایای اندازه گیری برای خطاهای اندازه گیری انجام شوند. خواص بقایای اندازه گیری ای که توسط روش برآورد حالت 6 ساله بدست می آیند از قبل برای این منظور، بازنگری می شوند. عملیات اطلاعات بد بستگی به روش برآورد حالت بکار رفته در اجرا دارد. این فصل برروی آشکار سازی اطلاعات بدو روش های تعیین هویت های تمرکز دارد که با روش WLS بکار رفته متداول مرتبط است، سایر روش های برآورد حالت از قبیل مواردی که در فصل 6 بحث می شوند، پردازش اطلاعات بد را بصورت بخشی از روش برآورد حالت ترکیب می شوند و بحث آنها شامل
جنبه های عملیات آنها بر روی اطلاعات بد نیز می باشد. هنگام استفاده از روش برآورد WLS ، آشکار سازی و تعیین هویت اطلاعات بد فقط پس از فرایند برآورد توسط پردازش باقیمانده های اندازه گیری انجام می شوند. تحلیل بر اساس خواص این باقیمانده ها است که شامل توزیع احتمالات پیش بینی شده آنها است، اطلاعات بد ممکن است به روش های مختلفی ظاهر شوند که بستگی به نوع، محل و تعداد اندازه گیری هایی دارد که که در خطا هستند. اطلاعات بد چندگانه ممکن است در اندازه گیری هایی ظاهر شوند که بقایای آنها بطور قوی یا ضعیف مرتبط می شوند، اندازه گیری های مرتبط شده قوی آن اندازه گیری هایی هستند که خطاهای آنها بر روی مقدار برآورد شده یکدیگر تاثیر چشمگیری می گذارند که باعث می شود که موارد خوب نیز در خطا ظاهر شوند هنگامی که دیگری حاوی یک خطای بزرگ است، برآوردهای اندازه گیری ها با باقیمانده های مرتبط بطور چشمگیری تحت تاثیر خطاهای یکدیگر نمی باشند. وقتی که باقیمانده های اندازه گیری با خطاهای آنها مرتبط باشند، خطاهای آنها ممکن است مطابقت نداشته باشد. خطاهای انطباقی، خطاهایی هستند که با یکدیگر سازگار بنظر می رسند. اطلاعات بد چندگانه می توانند بعداً به سه گروه طبقه بندی شوند. 1- اطلاعات بد غیر تراکنشی چندگانه : اطلاعات بد در اندازه گیری ها با باقیمانده های اندازه گیری مرتبط ضعیف.
2- اطلاعات بد غیر انطباقی ولی تراکنشی چندگانه : اطلاعات بد غیر انطباقی در اندازه گیری ها با باقیمانده های مرتبط.
3- اطلاعات بد انطباقی و تراکنشی چندگانه : اطلاعات بد منطقی در اندازه گیری ها با باقیمانده های مرتبط قوی.
تعیین کیفیت میزان تراکنش بین اندازه گیری ها و تحلیل خطاها می تواند بر اساس حساسیت های باقیمانده های اندازه گیری برای سنجش خطاها، انجام شود. خواص باقیمانده های اندازه گیری که توسط روش برآورد WLS بدست می آیند در زیر بازنگری میشود.
1-5 خواص باقیمانده های اندازه گیری
معادلات اندازه گیری خطی شده را در نظر بگیرید:
بطوری که E (e)=0 و COV (e) = R است که یک ماتریس قطری براساس این فرض است که خطاهای اندازه گیری مرتبط نمی باشند. توجه کنید که باقیمانده های اندازه گیری ممکن است هنوز مرتبط باشند. حتی اگر خطاهای مستقل درنظر گرفته شوند. آنگاه برآورد کننده WLS از بردارها حالت تغییر داده شده چنین می شود :
و مقدار برآورد شده چنین است:
فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد
تعداد صفحات این مقاله 40 صفحه
پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید
اشکارسازی تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی
لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:PDF
تعداد صفحه:100
چکیده :
الکتروانسفالوگرام (EEG) که برای نمایش فعالیت الکتریکی مغز استفاده می شود، ابزار کلینیکی مناسبی برای تشخیص بی نظمی های مربوط به صرع است. آشکارسازی spikeهای صرعی نقش بسیار مهمی در تشخیص صرع ایفا می کند. در این پروژه، طراحی و پیاده سازی سیستم تشخیص spikeهای صرعی با استفاده از روش ترکیبی تبدیل موجک گسسته و شبکه عصبی Fuzzy ARTMAP ارائه شده است. در این پژوهش، از تبدیل موجک برای استخراج ویژگی سیگنال EEG استفاده شده است و توانایی این ویژگی ها در طبقه بندی رخدادهای موجود در سیگنال EEG بررسی شده است. کار طبقه بندی با استفاده از شبکه عصبی Fuzzy ARTMAP انجام شده است. دلیل استفاده از شبکه Fuzzy ARTMAP، عدم فراموشی و یادگیری سریع و عملکرد مناسب این شبکه در مسائل طبقه بندی می باشد. عملکرد سیستم طبقه بندی کننده ارائه شده در این پروژه با استفاده از سه معیار حساسیت، قابلیت تفکیک و گزینش پذیری ارزیابی می شود.
علیرغم اینکه 40 سال از فعالیت و بررسی در زمینه فیزیولوژی صرع می گذرد، هنوز آشکارسازی و پیشگویی آن در حال بررسی است ولی نشان داده شده است که آشکارسازی تخلیه های نرونی صرعی یعنی spike ها و امواج تیز در سیگنال EEG گامی مهم در تشخیص و درمان بیماری صرع است. در زمینه پردازش سیگنال های حیاتی مانند سیگنال EEG، برای آشکارسازی و طبقه بندی یک پدیده حیاتی مانند spike صرعی، روش متداول استخراج ویژگی های مناسب از سیگنال حرارتی و اعمال یک روش طبقه بندی بر روی ویژگی های استخراج شده است. در این پروژه، برای استخراج ویژگی های spike های صرعی از تبدیل موجک و یکسری تحلیل های زمانی و فرکانسی و برای طبقه بندی الگوهای موجود در EEG از شبکه عصبی Fuzzy ARTMAP استفاده شده است. تبدیل فوریه و سایر روش های تحلیل زمان – فرکانس مانند تبدیل فوریه کوتاه مدت برای وقایع تدریجی و آهسته پاسخ خوبی نشان می دهند اما برای وقایع سریع و تیز خوب عمل نمی کنند. وقتی که هر دو نوع نوسان در سیگنال موجود باشد، تبدیل موجک به خوبی می تواند هر دو نوع نوسان را نشان دهد. با تحقیقاتی که در زمینه تشخیص صدای قلب، تحلیل ECG و EEG به عمل آمده است، تبدیل موجک توانایی خود را برای پردازش به خوبی نشان داده است.
در فصل اول به معرفی سیگنال EEG و ویژگی های ظاهری، نحوه ضبط و اندازه گیری سیگنال EEG، فرکانس های سیگنال EEG، نرخ نمونه برداری و برخی اغتشاشات و آشفتگی ها در ثبت سیگنال EEG پرداخته می شود. در فصل دوم روش های مختلف آشکارسازی spikeهای صرعی مورد بررسی قرار گرفته است و نتایج برخی کارهای انجام گرفته روی EEG گردآوری شده است. فصل سوم به معرفی تبدیل موجک به عنوان روشی برای استخراج ویژگی پرداخته شده است. با مطالعه این فصل می توان مقایسه ای بین تبدیل فوریه و تبدیل موجک انجام داد، همچنین می توان مفهوم تبدیل موجک پیوسته و گسسته را دریافت. در انتهای این فصل نیز، چند موجک معرفی شده اند. در فصل چهارم توضیحاتی در خصوص شبکه های عصبی MLP و ARTMAP و Fuzzy و نحوه آموزش این شبکه ها ارائه شده است. در فصل پنجم در خصوص داده های آموزش و آزمون، استخراج ویژگی و نحوه پیش پردازش این داده ها و روش پیاده سازی سیستم آشکارسازی spike های صرعی توضیح داده شده است. فصل ششم در برگیرنده نتایج حاصل از این پروژه و مقایسه بین عملکرد شبکه های MLP و ARTMAP و Fuzzy می باشد و در انتهای فصل نیز پیشنهادات ارائه شده است.
و...