ارزیابی خون رسانی به بافت در ناحیه عضلات ذوزنقه با تحلیل موجک سیگنال حجم سنجی نوری به کمک شبکه عصبی

اندازه گیری جریان خون به بافت کاربردهای زیادی در پیشگیری از زخم فشار، ارزیابی میزان فعالیت عضلات ورزشکاران و مراقبت از خون رسانی بافت حین اعمال جراحی دارد. استفاده از سیگنال حجم سنجی نوری به عنوان یک معیار پیوسته و غیرتهاجمی در ارزیابی میزان جریان خون بافت مورد پذیرش محققین می باشد. در این مطالعه روشی نو، برای ارزیابی میزان خون رسانی به بافت بر اساس سیگنال حجم سنجی نوری ارائه می شود. برای این هدف سیگنال حجم سنجی نوری به صورت انعکاسی با دو فاصله فرستنده و گیرنده 7 (اول) و 22 (دوم) میلیمتر با طول موج 950 نانومتر از کتف فرد در ناحیه عضلات ذوزنقه از 19 فرد سالم تحت اعمال فشارهای 0 و 40 و 80 میلیمتر جیوه گرفته شد. استخراج پوش بالایی سیگنال حجم سنجی نوری و تحلیل موجک در بازه های فرکانسی که مرتبط با عوامل متابولیک، نروژنیک، میوژنیک،; تنفس و فعالیت قلبی است، انجام شده است. نتایج حاصل از آزمون ttest برای ویژگی های استخراج شده از سیگنال حجم سنجی نوری گیرنده دوم، اختلاف معنیدار; (0.005 p <) را نشان دادند. برای جداسازی سیگنال حجم سنجی نوری از گیرنده دوم در فشارهای مختلف، شبکه عصبی پس انتشار (bpnn) صحت 68/73% و شبکه عصبی برازش تعمیم یافته (grnn) صحت 6/79% حاصل شد. نتایج حاصل از شبیه سازی ها نشان می دهند که با اعمال فشار خارجی، لایه های عمقی بافت بیشتر تحت تاثیر قرار گرفته و میزان خون رسانی به آنها کاهش پیدا می کند. بهبود این روش می تواند برای ارزیابی میزان خون رسانی به بافت به صورت بالینی به کار برده شود و در مراحل بعد به عنوان روشی موثر برای پیشگیری از زخم فشار توسعه یابد.

Evaluation of blood perfusion of the trapezius muscle with wavelet analysis of photoplethysmogram signal using neural network

Measurement of tissue blood perfusion has many applications in the prevention of pressure sores, muscle activity assessment and care of tissue blood perfusion during surgery. Photoplethysmography as a continuous measure for evaluation of blood perfusion in tissue is accepted by researchers. In this study a new method for assessment of blood perfusion to the tissue based on photoplethysmograph signal (PPG) is presented. Wavelengths of the PPG were near infrared 950 nm with sourcetodetector separation of 7 and 22 mm. The probe was placed over the trapezius muscle of 19 healthy subjects under the external pressures of 0 and 40 and 80 mmHg. PPG envelope detected and wavelet transform calculated in the five frequency intervals. These bands relate to metabolic, neurogenic, myogenic, respiratory and cardiac activities. The pvalue of the ttest analysis for extracted features was less than 0.005. Results have shown that by applying external pressure, tissue deep layers most affected and the amount of their blood perfusion is reduced. Accuracy of separation at different pressures for back propagation neural network (BPNN) was 73.68% and for generalized regression neural network (GRNN) was 79.6%. Improvement of this method can be as a clinical assessment of tissue blood perfusion and can be as an effective method in prevention of pressure ulcers.