Signallarga raqamli ishlov berish orqali bemorlarning tashxis aniqligini oshiruvchi algoritmlarni matematik modelini loyihalash

Qo‘llanilish sohalari

Signallarga raqamli ishlov berish(SRIB)- bu zamonaviy elektronikada sohasida tezkor rivojlanayotgan va raqamli protsessorda

boshqariluvchi raqamli ko‘rinishdagi axborotlardan tashkil topgan barcha sohalarda qo‘llaniladi. SRIBning qo‘llanilish sohalariga qo‘yidagilarni keltirish mumkin

Rasmlarni qayta ishlash

• 
  tasvirlarni tanish;
  

• 
  mashinali ko‘rish;
  

• 
  rasmlarni sifatini yaxshilash;
  

• 
  faksimile;
  

• 
  sputnikli kartalar;
  

• 
  animatsiya.
  

• 
  Insturmental vositalar
  

• 
  spekral analiz;
  

• 
  vaziyatni boshqarish va tezlik;
  

• 
  shumni pasaytirish;
  

• 
  axborotni siqish.
  

• 
  Ovoz/audio
  

• 
  ovozni tanish;
  

• 
  ovozni sintez qilish;
  

• 
  raqamli audiotizimlar;
  

• 
  tenglashtirish.
  

• 
  Harbiy maqsadda
  

• 
  xavfsiz aloqa;
  

• 
  radarlar bilan ishlash;
  

• 
  raketalarni boshqarish.
  

• 
  Telekommunikatsiya
  

• 
  exolarni bartaraf etish;
  

• 
  adaptivli tenglashtirish;
  

• 
  videokonferensiya – aloqa;
  

• 
  ma’lumotlarni uzatish.
  

• 
  Biomeditsina
  

• 
  bemorlarni ko‘zatish;
  

• 
  skanerlash;
  

• 
  elektroensefalogrammani analiz qilish;
  

• 
  rentgen tasvirlarini saqlash va yaxshilash.
  

• 
  Istemolchi maqsadida
  

• 
  raqamli mobil telefonlar;
  

• 
  universal mobil aloqa tizimlari;
  

• 
  raqamli televedeniya;
  

• 
  raqamli kameralar;
  

• 
  telefon aloqa, internet orqali musiqa va video;
  

• 
  raqamli faks va modemlar;
  

• 
  ovozli pochta tizimlari;
  

• 
  interaktiv ko‘ngil ochar tizimlar.
  

Bir qarashda SRIB ning qo‘llanilish sohasini yuqorida keltirilganlardan tashqari boshqa sohalarni ham keltirish mumkin.

Tibbiy signallar-bu EKG, EEG, spektral tahlil, tasvirni qayta ishlash va boshqalar kabi tibbiy ilovalardagi turli manbalardan olingan signallar. Ushbu signallar ko'plab kasalliklarni tashxislash, kuzatish va davolash uchun ishlatiladi. Tibbiy signallarning asosiy xususiyatlariga quyidagilar kiradi:

Amplituda: bu grafikdagi tepalik yoki to'lqin balandligi bilan belgilanadigan signalning kattaligi.

Chastotasi: bu vaqt birligidagi tebranishlar soni, gertsda (Hz) ifodalanishi mumkin.

Faza: bu vaqt o'tishi bilan signallarning sinxronligini aniqlaydigan parametr.

Davomiyligi: bu signal davomiyligi vaqti, boshidan oxirigacha.

Shakl: bu signalni filtrlash kabi ishlov berishda o'zgartirilishi mumkin bo'lgan signalning umumiy ko'rinishi. Tibbiy signallarni qayta ishlash signallarni qayta ishlash, filtrlash, parchalash va siqishning turli usullarini, shuningdek naqshni aniqlash va mashinani o'rganish algoritmlarini qo'llashni o'z ichiga oladi. Tibbiy signallarni qayta ishlashning maqsadi signal sifatini yaxshilash, shovqinlarni olib tashlash, tibbiy tashxislarning ma'lumot tarkibi va aniqligini baholashdir.Tibbiy signallarni qayta ishlashning boshqa vazifalari quyidagilardan iborat:ma'lumotlarning vaqt seriyasini tahlil qilish (yoki vaqtni xaritalash), ko'p o'lchovli ma'lumotlarni tahlil qilish (ko'p sonli ma'lumotlar yoki signallarni birlashtirish uchun), kasallik toifalariga ko'ra tasniflash, signalning chastota qobiliyatini tahlil qilish va bashorat qilishning aniqligini baholash.

Tibbiy signallarni qayta ishlash bemorlarni tashxislash, kuzatish va davolashda katta ahamiyatga ega. Masalan, EKG signallarini qayta ishlash qon aylanish tizimi kasalliklarining aniq tashxisini qo'yishi va eng to'g'ri davolanishni taklif qilishi mumkin, EEG signallarini qayta ishlash esa nevrologik kasalliklarni aniqlashga va antiepileptik dorilarni buyurishga yordam beradi. Spektral tahlil ikki xil signal o'rtasidagi o'zaro ta'sir sifatini baholashi mumkin va tasvirni qayta ishlash saraton yoki boshqa kasalliklarni aniqlashga yordam beradi.

Shunday qilib, tibbiy signallarni qayta ishlash bemorlarning sog'lig'ini saqlash va yaxshilash uchun juda muhimdir.
Aksariyat tibbiy tadqiqotlar bemorning ahvolini uzoq muddatli monitoringini talab qiladi, bu biotibbiyot signallarini yozish uchun avtomatlashtirilgan
tizimlardan foydalanish zaruratini keltirib chiqaradi, bunda inson tanasidagi funktsional o‘zgarishlarni baholash va davolash jarayoni uchun strategiyani shakllantirish, katta hajmdagi ma‘lumotlarni tahlil qilish uchun ularni qayta ishlashda biosignallardan foydalanish zaruriyati yuzaga keladi
Elektr biosignallari yoki bioelektrik vaqt signallari odatda asab tizimi maxsus to‘qima, organ yoki hujayra tizimidagi elektr potentsial farqining yig‘indisi natijasida hosil bo‘lgan elektr tokining o‘zgarishini anglatadi. Tibbiyot sohasida qo‘llanilayotgan biosignallar quyidagilardan iboratdir: EKG (elektrokardiografiya); spirografiya (tashqi nafas olish funktsiyasini tekshirish); EKG va qon bosimining kunlik monitoringi; EEG (elektroensefalografiya); Terining galvanik reaktsiyasi (GSR) yoki elektrodermal faollik (EDA); shuningdek stress testlari. Bulardan tashqari nafas olish funktsiyasini, miya faoliyatini, qon aylanishini, asab tizimining holatini va yurakni baholashga imkon beruvchi murakkabroq tadqiqotlar tizimi mavjud Bioelektrik signallar juda past amplitudali va past chastotali elektr signallari bo‘lib, ularni biologik mavjudotlardan, masalan, odamlardan o‘lchash mumkin. Bioelektrik signallar murakkab o‘z-o‘boshqarish tizimidan hosil bo‘va ularni hujayra yoki organ bo‘ylab elektr potentsialidagi o‘zgarishlar orqali o‘lchash mumkin. Bizni qiziqtirgan bioelektrik signallar, xususan, elektrokardiogramma (EKG) va elektroensefalogramma (EEG). EKG yurakning ion potentsialining elektr ko‘rinishini o‘lchaydi, EEG esa miyaning bosh terisi bo‘ylab qo‘zg‘atilgan elektr faolligini o‘lchaydi. EKG va EEG noinvaziv usulda standart uskunalar yordamida qayd etiladi. Bir nechta fanlarning tadqiqotchilari EKG va EEGni tahlil qilishda odamning yuqori darajadagi xususiyatlarini tushunishga qiziqish bildirishdi [3]. EEG, EKG, EOG va EMG teriga biriktirilgan ikkita elektrod orasidagi farqni qayd qiluvchi differentsial kuchaytirgich bilan o‘lchanadi . Biroq, terining galvanik reaktsiyasi elektr qarshiligini o‘lchaydi va MEG miyaning elektr toki (elektroensefalogramma) tomonidan induktsiya qilingan magnit maydonni o‘lchaydi. Yangi sensor texnologiyasidan foydalangan holda elektr maydonlarini masofadan o‘lchash usullarini ishlab chiqish bilan, EEG va EKG kabi elektr biosignallari bilan bog‘liq tadqiqotlar rivojlandi. Buning natijasida teri bilan elektr aloqa qilmasdan o‘lchash mumkin bo‘lgan texnologiya yaratilmoqda. Masalan, tegmaslik kerak bo‘lgan bemorlarning, xususan jiddiy kuyishlar bilan og‘rigan bemorlarning miya to‘lqinlari va yurak urishini masofadan kuzatish uchun qo‘llanilishi mumkin. Bundan tashqari elektr toklari va to‘qimalar bo‘ylab elektr qarshiligining o‘zgarishi ham o‘simliklardan o‘lchanishi mumkin. Kardiogrammalarni tahlil qilish uchun kompyuter tizimining apparati quyidagi asosiy qurilmalarni o‘z ichiga oladi (1-rasm) [4]: - biometrik signalni qabul qilish moslamalari - bevosita bemorning tanasiga o‘rnatiladigan va maxsus shakldagi o‘tkazgichlar bo‘lgan sensorlar; - biokuchaytirgich signallarni analog-raqamli konvertorning ishlashi uchun zarur bo‘lgan ±1 V, ±5 V, ±10 V tartibli darajaga oshirish uchun mo‘ljallangan; - analog-raqamli konvertor (ADC) kirish analog signallarini kompyuterga kiritish va keyinchalik qayta ishlash uchun raqamli shaklga aylantiradi; - periferik qurilmalar to‘plamiga ega shaxsiy kompyuter va EKG tahlilining maxsus dasturi. - organizmning mavjud ogohlantirishlarga reaktsiyasini o‘rganish uchun bemorga yorug‘lik, tovush, elektr va boshqa signallar bilan ta‘sir qilish uchun ishlatiladigan stimulyatorlar. Biosignallar, shuningdek, mexanik signallar (masalan, mexanomyogram yoki MMG), akustik signallar (masalan, fonetik va fonetik bo‘lmagan so‘zlar, nafas olish), kimyoviy signallar kabi biologik mavjudotlardan kuzatilishi mumkin bo‘lgan har qanday elektr bo‘lmagan signallarga ham tegishli bo‘lishi mumkin. pH, oksigenatsiya) va optik signallar (masalan, harakatlar) kabilar misol bo‘lishi mumkin Biometrika yuqori aniqlik darajasiga erishish uchun identifikatsiyani boshqarish tizimini osonlashtirishga qaratilgan, shu bilan birga u noyob va o‘lchanadigan shaxslarning anatomik va xulq-atvor xususiyatlaridan foydalanadi. Tananing anatomik qismlari va signalizatsiya usullari yuz, barmoq izi, qo‘llar, ko‘zlar, quloqlar, tomirlar va ovozni o‘z ichiga oladi, xulq-atvor xususiyatlariga esa qo‘lda yozilgan imzo, tugmachalarni bosish va yurish kiradi [6]. An‘anaviy biometrik ma‘lumotlardan foydalanish cheklovlari ularning noyob identifikatorlar ekanligini, lekin ular maxfiy emas va shaxs uchun sir emasligini o‘z ichiga oladi. Misol uchun, odamlar teginadigan hamma narsada barmoq izlarini qoldiradilar, irsiy naqshlari ular qaragan har qanday joyda kuzatilishi mumkin, yuzlar ko‘rinadi va ovozlar yozib olinadi. Bioelektrik signallardan biometrika sifatida foydalanish identifikatsiyani boshqarish tizimiga bir qancha afzalliklarni beradi. O‘zining noyobligidan tashqari, bioelektrik signallar maxfiy va shaxs uchun xavfsizdir. Ularni taqlid qilish va nusxalash qiyin. Shu sababli, insonning shaxsini qalbakilashtirish dargumon, shuning uchun foydalanuvchilarning maxfiyligi va xavfsizligi saqlanib qoladi
Raqamli signallarni qayta ishlash
Raqamli signallarni qayta ishlash-bu belgilangan namuna olish davri bilan ma'lum bir ketma-ketlikka asoslangan ma'lumotlarni qayta ishlash usuli.

Raqamli-bu daraja va vaqtni kvantlashni hisobga olgan holda taqdim etilgan signallar. Bunday signallar zamonaviy texnologiyalarning turli sohalarida va turlarida keng qo'llaniladi.

Raqamli signallarni qayta ishlash asoslari va vazifalari

Signallarni oldindan qayta ishlash uchun asos turli xil funktsional bazalarda amalga oshiriladigan tezkor diskret ortogonal transformatsiyalar protseduralari, chiziqli va chiziqli bo'lmagan filtrlash protseduralari, chiziqli algebra.

Qayta ishlashning eng muhim vazifasi shovqin va shovqinni yo'q qilishdir. Agar signal aniq belgilangan parametrlar bilan ortiqcha bo'lsa, bu muammoni to'liq hal qilish mumkin.

Natijada, signalni to'g'ri qabul qilishni ta'minlash kerak. Foydali signal qancha ko'p bo'lsa va shovqin qancha kam bo'lsa, vazifani sifatli bajarish ehtimoli shunchalik yuqori bo'ladi.

Raqamli signalni qayta ishlashning asosiy vazifalari quyidagilardan iborat:

spektral tahlil;

chiziqli filtrlash;

an'anaviy turlarning konvolyutsiyasi;

vaqt-chastota tahlili;

chiziqli bo'lmagan ishlov berish;

adaptiv filtrlash;

ko'p tezlikli ishlov berish;

seksiyali konvolyutsiya.

Raqamli ishlov berish quyidagi sohalarda qo'llaniladi:

samolyot qurilishi, mudofaa tizimlari, kosmik uskunalar;

avtomobillar uchun elektronika;

yoritish tizimlari;

mobil, statsionar, Internet-telefoniya va boshqalar;

uy uchun elektron qurilmalar va qurilmalar;

tibbiy asbob-uskunalar;

o'lchash va boshqa asboblar;

boshqaruv tizimlari;

xavfsizlik vositalari.

Raqamli signallarni qayta ishlashda usullar, algoritmlar va amaliy yondashuv
Raqamli signallarni qayta ishlashda turli xil usullar qo'llaniladi, ularning talabi bugungi kunda ilgari qo'llanilgan analog usullarga qaraganda ancha yuqori.

Ko'pgina usullar DSP protsessorlaridan foydalanishga asoslangan. Ushbu impulsli raqamli qurilmalar signallarni sifatli qayta ishlashni ta'minlaydi va diskret boshqaruv tizimlariga birlashtiriladi.

Raqamli ishlov berishda qo'llaniladigan usullar va algoritmlar doimiy ravishda takomillashtirilmoqda.

Raqamli ishlov berish bir qator afzalliklarga ega:

signalni qayta ishlash 75% va undan yuqori aniqlik bilan amalga oshiriladi;

beqarorlashtiruvchi omillar minimallashtiriladi;

axborotni qayta ishlash dasturiy vositalar yordamida amalga oshirilishi mumkin.

Signallarni qayta ishlash uchun maxsus algoritmlarni oddiy sozlash va qo'llash samaradorlik va ish faoliyatini sezilarli darajada oshiradi.

Raqamli signalni qayta ishlash tizimlari va protsessorlari

Raqamli signallarni qayta ishlash uchun maxsus protsessorlar qo'llaniladi. Protsessorlar-bu Markaziy protsessor bilan ishlash uchun maxsus ishlab chiqilgan mikroprotsessorlarning maxsus klassi, ya'ni tasvirlar, tovushlar, nutq, ranglarni tahlil qilish, spektral tahlil va boshqa operatsiyalarni o'tkazish. Bunday qurilmalar DSP yoki DSP, ya'ni raqamli signal protsessorlari deb ataladi.

Birinchi DSPLAR o'tgan asrning yetmishinchi yillarida paydo bo'lgan. Texnologiyalarning rivojlanishi, mobil aloqa va internetning tarqalishi, boshqa ko'plab yangiliklarning joriy etilishi tufayli raqamli signallar bilan ishlash protsessorlari tobora ko'proq talabga ega bo'lmoqda.

Quvvat ortadi, qurilmalarning imkoniyatlari oshadi. Shu bilan birga, protsessorlarning narxi asta-sekin kamayadi. Zamonaviy usullar va texnologiyalar raqamli signalni qayta ishlash bilan ishlash uchun protsessorlarni yanada qulayroq qilish imkonini beradi.

Raqamli signallarni qayta ishlashni qo'llash misollari

Raqamli signallarni qayta ishlash har kuni kundalik hayotimizda bizni o'rab oladi. Har bir inson ushbu ishlov berish natijalarini ko'radi, lekin ko'plab tanish narsalarni amalga oshirish uchun qanday murakkab hisob-kitoblar ishlatilishini ham bilmaydi.

MTSdan foydalanish misollari sifatida quyidagilarni keltirish mumkin::

audio yozuvlar va videolar uchun shovqinni bekor qilish tizimlari;

tasvirni qayta ishlash-yorug'lik darajasini tenglashtirish, anti-aliasing, psevdotonatsiya qoplamasi;

tasvirlar, fotosuratlar va boshqalarning estetik fazilatlarini yaxshilashning turli xil badiiy effektlari va usullari;

tasvirlar ustida tiklash ishlari;

tasvirni siqish;

grafik fayllarda ma'lum qismlarni qidiring.

Ko'pincha signallarni raqamli qayta ishlash grafik sohasida qo'llaniladi, ammo ovozni Markaziy protsessor yordamida shovqinlardan tozalash mumkin, bu esa uni yanada aniq va to'g'ri qiladi.

Raqamli signallarni qayta ishlash tizimlariga xizmat ko'rsatadigan kompaniyalar

Raqamli signallarni qayta ishlash sohasida ko'plab kompaniyalar ishlaydi.

Rossiya korxonalari orasida quyidagi korxonalarni ajratish mumkin:

"Neyroinformatika" ilmiy-tadqiqot markazi, integratsiyalashgan xavfsizlik va raqamli videokuzatuv tizimlari uchun apparat va dasturiy ta'minotni ishlab chiqish;

Mamlakatdagi mikrosxemalar dizaynining etakchi markazlaridan biri bo'lgan "elektron hisoblash va axborot tizimlari" OAJ ("Elvis" OAJ);

"NIIET" AJ (elektron texnologiyalar ilmiy-tadqiqot instituti) elektron komponentlar ishlab chiqaruvchisi va elektron texnologiyalarni ishlab chiqish bo'yicha eng qadimgi mahalliy maktablardan biridir.

Ushbu korxonalarning barchasi barchani sifatli aloqa va ishonchli texnologiyalar bilan ta'minlashga imkon beradi.

Raqamli signallarni qayta ishlash haqida ko'proq ma'lumot: usullar, dasturlar, misollar; har yili o'tkaziladigan "aloqa"ko'rgazmasida topish mumkin. Biotibbiyot signallari-bu genlar va oqsillar ketma-ketligidan tortib asab va yurak ritmlarigacha, to'qimalar va organlarning tasvirlarigacha bo'lgan organizmlarning fiziologik faolligini o'rganishdir. Biotibbiyot signallarini qayta ishlash biotibbiyot signallaridan muhim ma'lumotlarni olishga qaratilgan. Biomedikal signallarni qayta ishlash orqali biologlar yangi ma'lumotlarni aniqlashlari va shifokorlar turli kasalliklarni kuzatishlari mumkin.

Raqamli tibbiy tasvirlarning sifati katta muammoga aylandi, chunki shovqin va boshqa omillar tibbiy fotosuratga ta'sir qiladi. Tibbiy tasvirlar aniq, toza, shovqinsiz bo'lishi kerak. Raqamli tibbiy tasvirlardagi shovqinni olib tashlash biotibbiyot signallari va tasvirni o'rganishda asosiy sohalardan biri bo'lib qolmoqda.

Tasvirni qayta ishlash turli maqsadlarda amalga oshirilishi mumkin: inson tomonidan talqin qilish uchun grafik ma'lumotlarni takomillashtirish va grafik ma'lumotlarni saqlash, uzatish va olish, ob'ektlarni aniqlash va ularni aniqlash, etishmayotgan joylarni tiklash kabi vazifalar uchun tasvir ma'lumotlarini qayta ishlash. Turli xil tasvirlash usullari biomedikal sohada, ya'ni funktsional magnit-rezonans tomografiya (MRI), kompyuter tomografiyasi (KT), ultratovush tekshiruvi va pozitron emissiya tomografiyasida (PET) keng qo'llaniladi.

So'nggi nashrlar shuni ko'rsatdiki, EEG va MRI usullari bemorlarda og'riqni aniqlash usullarini tahlil qilish va ishlab chiqishga qaratilgan, bundan tashqari, bu usullar epileptik tutilishlarni dam olish holatini [1] qayd etish, shuningdek, miya faoliyatidagi farqlarni aniqlash orqali aniqlashi mumkin

Shu bilan birga, kompyuter tomografiyasi (KT) fazoviy va vaqtinchalik rezolyutsiyani ta'minlaydigan anatomiya bilan bog'liq. Ko'p vektorli KT-bu invaziv bo'lmagan tasvirlash usuli bo'lib, u yurak anatomiyasini yuqori aniqlikda tasvirlash uchun texnologik vositadir [2].

The ultratovush usullari turli organlar va tizimlarning kasalliklarini tashxislash uchun keng qo'llaniladi. Usul, ayniqsa, ovqat hazm qilish tizimini, yurak-qon tomir tizimini, genitouriya tizimini, akusherlikni, yuzaki joylashgan organlarni, mushak-skelet tizimini va boshqalarni o'rganishda yuqori diagnostik samaradorlikka ega [3].

Tasvirni qayta ishlash usullari bir nechta usullarni o'z ichiga oladi, ya'ni takomillashtirish, segmentatsiya, ob'ekt chegaralarini ta'kidlash, oldindan filtrlash usuli, ob'ektning xarakterli nuqtalarini tanlash va morfologik operatsiyalar. Segmentatsiya-bu tasvirlardagi murakkab protseduralarni bartaraf etish uchun ishlatiladigan jarayon [4].

Tasvir segmentatsiyasi-bu tasvirni piksel qiymati yoki chastota xarakteristikasi kabi tasvir xususiyatlariga ko'ra bir nechta sohalarga tasniflash uchun tasvirni raqamli qayta ishlash va tahlil qilishning keng qo'llaniladigan usuli. Ilm-fan va kundalik hayotda keng qo'llaniladigan tasvirni segmentatsiyalash algoritmlari hali ham mavjud. Ularning segmentatsiya usuliga ko'ra, biz ularni mintaqalarga asoslangan segmentatsiya, ma'lumotlar klasteri va chekka segmentatsiya bo'yicha taxminan tasniflashimiz mumkin.

Konturlarni tanlash-bu tasvir ichidagi ob'ektlarning chegaralarini aniqlash uchun ishlatiladigan usul. Chekka tasvirdagi to'satdan tanaffuslar sifatida aniqlanadi. Tasvirdagi yorqinlik darajasining keskin o'zgarishini chekka deb atash mumkin. Tasvirdagi chegaralarni aniqlashning eng mashhur usullari Keniya algoritmi, Sobel va Previtt operatorlari va Laplas operatoridir.

Rasm segmentatsiyasi bu tasvirni sinab ko'rishga olib keladigan birinchi qadamlardan biridir. Tasvirni segmentatsiyalashning ko'plab usullari to'qimalar va organlarning tibbiy qo'llanmalarida qo'llanilgan. Tasvir segmentatsiyasi koronar angiografiyada chegaralarni ochish, jarrohlik modellashtirish, o'smani aniqlash, miya rivojlanishi, qon hujayralarini avtomatik tasniflash, tasvirni yozib olish kabi ko'plab dasturlarda muhim ahamiyat kasb etadi.va yurak tasvirini tahlil qilish va boshqalar. [5].

Elektrokardiografiya yurak faoliyatini kuzatish va kasalliklarni tashxislash uchun juda muhimdir. U atrium va qorinchadagi klapanlarni ochish va yopish paytida inson yuragi tomonidan ishlab chiqarilgan juda kichik bioelektrik signallarni (millivoltlarda) o'lchashni o'z ichiga oladi.

Mushaklarning elektr faolligi, elektrodning teri bilan aloqa qilishining beqarorligi va bemorning harakati tufayli elektrokardiogramma (EKG) qurilishi paytida shovqin paydo bo'ladi. Ushbu signaldan shovqinni olib tashlash juda muhim, chunki u juda kichik amplituda va deyarli har soniyada turli chastotalar takrorlanadi. Xususiyatlarga asoslangan bunday statsionar bo'lmagan biosignallar uchun siz Wavelet Transform-dan foydalanishingiz mumkin. Tadqiqot [6] shovqinni kamaytirish va EKGDAN kerakli ma'lumotlarni olish uchun uzluksiz to'lqinli transformatsiya (CWT) va diskret to'lqinli transformatsiya (dwt) dan foydalanadi.

Muhokama qilingan [7] o'z tadqiqotida u tibbiy tasvirlash ma'lumotlari asosida 3D bosma ob'ektlar jarayoni va qo'llanilishidagi yangi innovatsiyalar haqida umumiy ma'lumot beradi. KT, MRI va ultratovush modellarining 3D tibbiy tasvirlari haqidagi ma'lumotlarni DICOM texnologiyasidan foydalangan holda olish mumkin.

Miya shishi tez o'sib boradigan muammolardan biri bo'lib, uni erta aniqlash va aniq tashxis qo'yish omon qolish uchun juda muhimdir. Miyaning magnit-rezonans tomografiyasi (MRI) yordamida o'simtani aniqlash qo'lda bajarilganda juda qiyin va ko'p vaqt talab etadi. Bundan tashqari, o'smalar turli shakllarda bo'ladi va miyaning istalgan qismida bo'lishi mumkin. Shuning uchun o'smani aniqlash inson hayotidagi muhim vazifadir va uning miyada va ta'sirlangan hududlarda aniq o'rnini aniqlash kerak. Asosiy muammo o'simtani aniq segmentatsiyalashdir, chunki yaxshi to'qimalarni olib tashlash miyaning bu qismi tomonidan boshqariladigan organlarga ta'sir qiladi. Tavsiya etilgan algoritm MRI miya tasvirlaridan o'simtani avtomatik segmentatsiyalash uchun chuqur o'rganish tushunchalaridan foydalanadi [8] .

Biotexnik tizimlarda signallarni qayta ishlash ko'plab tibbiy va biologik tadqiqotlarning muhim tarkibiy qismidir. Ushbu ishlov berish signallarni konvertatsiya qilish, parametrlarni o'lchash va olingan ma'lumotlarni tahlil qilishni o'z ichiga oladi.

Signallarni qayta ishlashdan foydalanadigan biotexnik tizimlarga bemorlarning holatini kuzatish moslamalari, tibbiy ta'lim dasturlari, fiziologik parametrlarni o'lchash tizimlari va boshqalar misol bo'la oladi.

Signallarni konvertatsiya qilish kuchaytirish, filtrlash, raqamlashtirish, shovqinni qoplash, shovqinni bostirish va boshqalar kabi harakatlarni o'z ichiga olishi mumkin. Ushbu harakatlar aniqroq va aniqroq ma'lumotlarni olish va ularni keyingi tahlil qilish uchun saqlash imkonini beradi.

Parametrlarni o'lchashga puls, bosim, harorat, qondagi kislorod darajasi, elektroensefalogramma, elektrokardiogramma va boshqa ko'plab parametrlarni o'lchaydigan turli sensorlar va qurilmalar yordamida erishish mumkin.

Olingan ma'lumotlarni tahlil qilish naqshlarni aniqlash, patologiyalarni aniqlash, kelajakdagi voqealarni bashorat qilish va tegishli davolash usullarini aniqlash uchun statistika, matematik modellashtirish va kompyuter texnologiyalaridan foydalanishni o'z ichiga oladi.

Biotexnik tizimlarda signallarni qayta ishlash zamonaviy tibbiyot va biologiyada muhim rol o'ynaydi. Bu diagnostika aniqligi va davolash samaradorligini oshirishga, shuningdek, tadqiqot vaqti va narxini kamaytirishga imkon beradi.

Multimedia mahsulotlariga bo'lgan talab va talabning o'sishi bilan tarmoq o'tkazuvchanligi va xotira qurilmasining etarli emasligi muammosi tobora ortib borayotgan raqamli ma'lumotlarni saqlash vazifasini qo'ydi. Siqishni maqsadi yaxshi sifatli siqilgan tasvirni olishdir, bu esa saqlash va uzatishni yanada samarali qiladi. Ushbu maqola [9] to'lqinlarga asoslangan tasvirni siqishni taqqoslashni o'rganib chiqdi va eng mos to'lqin konvertatsiyasini aniqladi. Fayl hajmini kamaytirish ma'lum bir diskda yoki xotirada ko'proq rasmlarni saqlashga imkon beradi. Bundan tashqari, rasmlarni tarmoq orqali uzatish va samarali saqlash uchun zarur bo'lgan vaqtni kamaytiradi.


Biomedikal signallarni qayta ishlash tez rivojlanayotgan sohadir. Xususan, biotibbiyot ma'lumotlarini qayta ishlash biologik tadqiqotlar va tibbiy amaliyotda muhim rol o'ynaydi. Ilg'or dunyoda ba'zi tasvirlash usullari hozirda keng tarqalgan bo'lib, ular kasallikni aniqlash va diagnostika ma'lumotlarini taqdim etish bilan shug'ullanishi mumkin.