Signal processing for extracting a mother wavelet function  یا همان «پردازش سیگنال برای استخراج یک تابع موجک مادر» توسط حسین پورقاسم، عضو هیات‌علمی دانشگاه آزاد اسلامی واحد نجف‌آباد و مرتضی به‌نام دانشجوی دکتری فنی و مهندسی این واحد دانشگاهی ارائه شده و در هشتمین دوره جشنواره فرهیختگان به‌عنوان اختراع برتر در بخش بین‌المللی برگزیده شد.

در این اختراع باتوجه به ماهیت تصادفی سیگنال‌های EEG و رفتار الگوهای تشنج صرعی، یک سیستم نرم‌افزاری خودکار بر پایه‌ ریاضیات به‌منظور طراحی و استخراج کرنل موجک تشنج - ویژه (Seizlet) ارائه شده است. در این سیستم، پس از پیش‌‌پردازش و فیلترینگ سیگنال‌های EEG در باند فرکانسی موردنظر‌، یک زیرمجموعه از پایگاه داده‌ مورد استفاده برای طراحی Seizlet استفاده می‌شود. برای این منظور، با استفاده از تخمین گروهی تابع چگالی احتمال (PDF) به‌وسیله روش مدل مخلوط گوسی (GMM) براساس الگوریتم EM یک تابع چگالی احتمال Bimodal برای هر لحظه از نمونه‌های سیگنال‌های EEG تقریب زده می‌شود. با محاسبه مد از هر PDF یک کرنل براساس نقاط با چگالی بالا با ماکزیمم عبور مدل‌سازی می‌شود. این سری زمانی مدل‌سازی‌شده به‌عنوان یک کرنل اصلاح‌شده اثبات می‌شود. با استفاده از فرآیند کاهش نرخ نمونه‌‌برداری این سری زمانی هموار و آماده می‌شود. پیک‌ها و اکسترمم‌های محلی کرنل اصلاح‌‌شده در حوزه زمان به‌عنوان نمونه‌هایی با بیشترین تکرار در سیگنال‌های EEG دارای تشنج تعیین می‌شوند. سپس این مجموعه نقاط به‌عنوان منحنی پوش کرنل اصلاح‌شده با استفاده از چندجمله‌ای لاگرانژ درونیابی شده است. بنابراین اثبات می‌شود که کرنل چندجمله‌ای درون‌یابی‌شده و نرمال‌شده کاندید مناسبی برای تابع مقیاس Seizlet است. سرانجام موجک مادر Seizlet با پردازش‌های لازم در حوزه‌های زمان و فرکانس به‌دست آمده و شرایط پذیرش آن بررسی شده است.

تشخیص و پیش‌بینی یک تشنج صرعی

Detecting and predicting an epileptic seizure  یا همان تشخیص و پیش‌‌بینی یک تشنج صرعی دومین اختراع حسین پورقاسم، عضو هیات‌علمی دانشگاه آزاد اسلامی واحد نجف‌آباد و مرتضی به‌نام دانشجوی دکتری این واحد دانشگاهی است.

در این اختراع، یک سیستم نرم‌افزاری و محاسباتی خودکار به‌منظور تشخیص و پیش‌بینی الگوهای تشنج صرعی در سیگنال‌های مغزی ارائه شده است. در این سیستم با انتخاب سیگنال‌‌های EEG به‌صورت چندکاناله و انجام پردازش‌‌های لازم هر ایپاک از سیگنال برای فرآیند طبقه‌بندی آماده‌‌سازی شده است. براساس مرتبه‌ مشتق‌‌پذیری سیگنال EEG که با استفاده از تعریف Lipschitz و سطوح تنظیم به‌دست می‌آید، نقشه‌ مخروطی (Cone of influence map) با اعمال موجک مادر Seizlet در فضای دوبعدی تشکیل می‌شود. با تحلیل خطوط بیشینه‌ پیمانه‌‌ای از نقشه موردنظر، چهار نوع الگو با نام SMMP معرفی شده است. این الگوها با به‌کارگیری کرنل‌‌های مخلوط گوسی و هم‌پوشانی بهینه‌ روی سیگنال‌‌های EEG جابه‌جا می‌شوند. در این فرآیند جابه‌جایی، یک روش جدید برای استخراج ویژگی ارائه شده است و چهار ویژگی ساختاری با نام CEF استخراج شده است. برای بهینه‌‌سازی الگوها و ویژگی‌ها، یک الگوریتم بهینه‌سازی ترکیبی براساس الگوریتم بهینه‌شده‌ HHO در ترکیب با LVRA و شبکه عصبی المن استفاده شده است. سرانجام، ویژگی‌های بهینه‌شده برای طبقه‌‌بندی سیگنال‌های مغزی دارای تشنج صرعی و بدون تشنج صرعی با استفاده از طبقه‌بند آدابوست در یک ساختار آبشاری به‌کار گرفته شده‌اند.

مرتضی به‌نام درخصوص این اختراع به «فرهیختگان» گفت: «این دو اختراع، یک سیستم محاسباتی و نرم‌افزاری برای پیش‌بینی و تشخیص تشنج صرع است؛ این دو طرح از مقالات ما استخراج شده و به دو اختراع تبدیل شده است. یک بخش این اختراع، طراحی یک سیستم ریاضی برای مدل‌سازی سیگنال‌های مغزی تشنج است.»

او اضافه کرد: «به‌عبارت بهتر این اختراع برای افرادی که به بیماری تشنج صرع دچار هستند مفید خواهد بود. داده‌های افرادی که به تشنج صرع دچار بوده و همچنین افراد سالم تهیه شده و مدل‌سازی براساس این سیگنال‌ها انجام شده است. بخش اول این اختراع مدلی برای سیگنال‌های تشنج و غیرتشنج بوده و بخش دوم روشی است برای تشخیص اینکه فرد دچار تشنج شده است یا خیر. درواقع با استفاده از مدلی که در قسمت اول به‌دست آمده، متوجه می‌شویم فرد دچار تشنج شده است یا خیر.»

به‌نام در ادامه تصریح کرد: «کسی که دچار بیماری تشنج است باید عمل جراحی انجام دهد؛ اینکه بتوانیم مشخص کنیم حمله‌هایی که به فرد دست داده حمله‌های مربوط به تشنج بوده و همچنین ناحیه تشنج را تشخیص دهیم، نیازمند علم و تلاش است. فردی که دچار حمله تشنجی شده، برای انجام عمل جراحی نیازمند بررسی است تا متوجه شویم این عمل درکدام ناحیه باید انجام شود و نیازمند چه اقدامات و مراقبت‌هایی است.»

این مخترع اضافه کرد: «این اختراع می‌تواند به این هدف کمک کند تا بیماران صرعی دچار مشکل نشوند. همچنین اقدامات پیشگیرانه برای حمله به بیماران صرعی کمک دیگری است که توسط این دو اختراع به بیماران انجام می‌شود.»

او بیان کرد: «اگر بتوان برای انجام مطالعات یک تیم دانشجویی تشکیل داد، می‌تواند به انجام اختراعات بیشتری منجر شود. انجام این طرح‌ها بیشتر ازطریق یک کامپیوتر و محاسباتی بوده و هزینه چندانی ندارد؛ بنابراین اگر مسئولان دانشگاه برای تشکیل یک تیم دانشجویی از آنها حمایت کنند و امکانات آزمایشگاه دراختیار آنها قرار گیرد، می‌توان کارهای علمی بیشتری انجام داده و اختراعات را به مرحله تجاری‌سازی رساند.