×
阿里·奥斯曼·奥兹坎;卡拉·萨迪克;阿里·萨利;穆罕默德·埃敏·萨卡里亚;格内什，萨利赫

利用基于自适应网络的模糊推理系统（ANFIS）和MUSIC方法从左右手尺动脉多普勒信号诊断类风湿关节炎疾病。 （英语） Zbl 1202.92046号

高级工程师软件。 41，第12期，1295-1301（2010）。
摘要：类风湿关节炎（RA）是一种多系统自身免疫性疾病，导致大量的发病率和死亡率。本文采用多信号分类（MUSIC）方法作为频谱分析方法，从左右侧尺骨动脉多普勒信号中提取重要特征，用于RA疾病的诊断。MUSIC方法被用作子空间方法。为了从左右侧尺骨动脉获得的多普勒信号中提取特征，使用MUSIC方法模型度5、10、15、20和25。然后，将基于自适应网络的模糊推理系统（ANFIS）应用于从左右侧尺动脉多普勒信号中提取的特征，用于RA疾病的分类。这些方法并不新鲜，但研究具有新颖性，因为这些方法的应用领域是新的。在混合模型中，MUSIC和ANFIS结合使用右手尺骨动脉分类准确率为95%（模型阶数为20），使用左手尺骨动脉多普勒信号诊断RA疾病的分类准确率达91.25%（模型阶次为10）。所提出的方法有可能有助于研究该主题的专家对RA疾病的早期诊断。

MSC公司：

92 C50 医疗应用（通用）
92 C55 生物医学成像和信号处理

关键词：

类风湿性关节炎;尺动脉;MUSIC方法;基于自适应网络的模糊推理系统（ANFIS）;多普勒超声

软件：

ANFIS公司
PDF格式BibTeX公司 XML格式引用
\textit{A.O.Øzkan}等人，高级工程师软件。41，第12号，1295--1301（2010；Zbl 1202.92046）
全文： 内政部

参考文献：

[1] 阿卡尔，S。；Akkoç，N.：《类风湿性关节炎流行病学》，《土耳其克林尼克利医学杂志》第2期，第25期，第1-6页（2006年）
[2] Hatemi，G。；Yazici，H.：《类风湿关节炎的临床特征》，《土耳其科林克里医学杂志》，第2期，第25期，第12-17页（2006年）
[3] &lt；http://www.medicienet.com/rheumatoid_arthritis/article.htm> （2010年5月访问）。
[4] 李博士。；Weinblatt，M.E.：类风湿关节炎，《柳叶刀》358903-911（2001）
[5] 奥兹格曼，S。；Özdemir，H.公司。；Kiris，A。；博兹盖伊克，Z。；Ardicoglu，O.：类风湿关节炎的临床评估和能量多普勒超声检查：临床缓解期持续滑膜炎症的证据，南方医学杂志101，240-245（2008）
[6] 卡莫纳，L。；Villaverdei，V。；加西亚，C.H。；巴利纳，J。；加布里埃尔，R。；Laffon，A.：西班牙普通人群中类风湿关节炎的患病率，《风湿病学》41，88-95（2002）
[7] &lt；http://en.wikipedia.org/wiki/Ulnar_artery> （2010年5月访问）。
[8] Naredo，E。；博尼拉，G。；Gamero，F。；Uson，J。；卡马诺，L。；Laffon，A.：类风湿性关节炎炎症活动的评估：灰度和功率多普勒超声临床评估的比较研究，Ann rheum dis 64875-881（2005）
[9] Teh，J。；史蒂文斯，K。；威廉姆森。；梁，J。；Mcnally，G.：《类风湿性滑膜炎的能量多普勒超声：量化OD治疗反应》，英国放射杂志76，875-879（2003）
[10] Ellegard，K。；Pedersen，S.T。；Terslev，L。；萨姆索，B.D。；亨利克森，M。；Bliddal，H.：单关节超声彩色多普勒测量作为类风湿关节炎患者疾病活动性的测量——并发有效性评估，《风湿病学》48，第3期，254-257（2009）
[11] Shung，K.K.：诊断超声成像和血流测量，（2006年）
[12] 基里什，A。；奥兹格曼，S。；科卡科奇，E。；Ardıço和gbreve，Ö。；Lu：能量多普勒评估类风湿关节炎患者的整体疾病活动，临床超声杂志34，No.1，5-11（2006）
[13] Terslev，L。；冯·德雷克，P。；托普·佩德森，S。；Koeng，M.J.（医学博士）。；Bliddal，H.：多普勒超声对类风湿关节炎的诊断敏感性和特异性，《风湿病学杂志》35，第1期，第49-53页（2008年）
[14] Varsamidis，K。；瓦萨米杜，E。；Tjetjis，V。；Mayropoulos，G.：多普勒超声在评估类风湿关节炎疾病活动中的作用，《超声医学生物学》31，第6期，739-743（2005）
[15] Frize M，Herry C，Adéa C，Aleem I，Karsh J，Payeur P。使用红外成像测量类风湿关节炎疾病严重程度的初步结果。In:MeMeA 2009–医学测量和应用国际研讨会，IEEE；2009年，第187-92页。
[16] 斯特伦克，J。；Klingenberger，P。；斯特鲁贝，K。；巴赫曼，G。；缪勒-拉德纳，美国。；Kluge，A.：类风湿关节炎患者手腕发炎部位MR增强增强区域的三维多普勒血管成像，关节骨脊柱73，518-522（2006）
[17] Jang，J.-S.R.：基于时间反向传播的自学习模糊控制器，IEEE跨神经网络3，No.5，714-723（1992）
[18] Jang，J.-S.R.:ANFIS:基于自适应网络的模糊推理系统，IEEE Transsyst man cybernet 23，No.3，665-685（1993）
[19] Özkan AO、Kara S、Salli A、Sakarya ME、GümüşS、Ünal A等人。AR模型度对类风湿性关节炎早期检测的影响。In:ICCSA 2009，第三届复杂系统和应用国际会议；2009年，第125-9页。
[20] 卡拉，S。；Dirgenali，F.：通过小波变换、主成分分析和人工神经网络诊断动脉粥样硬化的系统，专家系统应用32，632-640（2007）
[21] 约瑟夫，J。；Brown，J.M.：《生物医学设备技术导论》（1993）
[22] Atikson，P.：多普勒超声及其在临床测量中的应用，（1982年）
[23] Arenson，J.W.：使用多普勒超声阵列的实时二维血流成像，（1982年）
[24] Evans，D.H。；Mcdicken，W.N。；斯基德莫尔，R。；Woodcock，J.P.：多普勒超声：物理、仪器和临床应用，（1989）
[25] Dirgenali，F。；Kara，S.：利用颈动脉多普勒信号的主成分分析和人工神经网络识别动脉粥样硬化早期，专家系统应用31，643-651（2006）
[26] Latifo和gbrev，F。；鲁；波兰，K。；卡拉，S。；Güneš，S.：《利用主成分分析（PCA）、基于k-NN的加权预处理和人工免疫识别系统（AIRS）从颈动脉多普勒信号对动脉粥样硬化进行医学诊断》，J biomed inform 41，15-23（2008）
[27] Hayes，Monson H.：统计数字信号处理和建模，（1996）
[28] Schmidt，Ro.：多发射极位置和信号参数估计，IEEE跨天线传播34，第3期，276-280（1986）
[29] Marple，S.L.：数字光谱分析（1987）
[30] Swindlehurst，洛杉矶。；Kailath，T.：存在模型错误时基于子空间方法的性能分析，第二部分：多维算法，IEEE跨信号处理41，第9期，2882-2890（1993）·Zbl 0825.93747号 ·数字对象标识代码：10.1109/78.236510
[31] Proakis，J.G。；雷德，C.M。；富云，L。；Chrysostomos，L.：高级数字信号处理（1992）·Zbl 0753.94001号
[32] 格勒，I。；卡拉，S。；G.üler，N.F。；Kiymik，M.K.：自回归和快速傅里叶变换频谱分析在三尖瓣和二尖瓣狭窄中的应用，计算机方法程序biomed 49，29-36（1996）
[33] 苏巴西，A。；Erçelebi，E。；Alkan，A。；Koklukaya，E.：基于子空间的方法与AR参数方法在癫痫发作检测中的比较，计算机生物学36，195-208（2004）
[34] 波拉特，B。；Friedlander，B.：MUSIC算法的渐近相对效率分析，IEEE跨声学语音信号处理36，4532-4544（1988）·Zbl 0709.94582号 ·数字对象标识代码：10.1109/29.1557
[35] 王，X。；Paliwal，K.K.：特征提取和降维算法及其在元音识别中的应用，模式识别，J模式识别soc 36，2429-2439（2003）·Zbl 1039.68114号 ·doi:10.1016/S0031-3203（03）00044-X
[36] Welch，P.D.：《快速傅里叶变换在功率谱估计中的应用：基于短修改周期图上时间平均的方法》，IEEE跨音频电声15，70-73（1967）
[37] Semmlov，J.L.：生物信号和生物医学图像处理，（2004）
[38] &lt；http://www.mathworks.com> （2010年5月访问）。
[39] 盛盛，高锐，2006。ANFIS优化及其在机器缺陷严重程度分类中的应用。参加：2006年国际神经网络联合会议；2006年，第728-34页。
[40] Akdemir，B。；卡拉，S。；波兰，K。；Güven，A。；Güneš，S.：基于加权算术平均值的集成自适应网络模糊推理系统及其在视神经疾病诊断中的应用，Artif intell med 43，141-149（2008）
[41] Sengur，A.：基于线性判别分析和自适应神经模糊推理系统的诊断心脏瓣膜疾病的专家系统，expert syst appl 35，214-222（2008）
[42] Buragohain，M。；Mahanta，C.：一种基于全因子设计的ANFIS建模新方法，Appl soft comput 8609-625（2008）
[43] Subasi，A.：自适应神经模糊推理系统在使用小波特征提取检测癫痫发作中的应用，《计算机生物学》37，227-244（2007）
[44] 阿内特，F.C。；Edworthy，S.M。；布洛赫，D.A。；Mcshane，D.J。；弗里斯，J.F。；Cooper，N.S.：美国风湿协会1987年修订的类风湿关节炎分类标准，大黄关节炎31，315-324（1988）
[45] Macgregor，A.J。；Bamber，S。；Silman，A.J.：类风湿关节炎不同疾病分类方法的性能比较，《风湿杂志》211420-1426（1994）
[46] 塔拉森科，L。；Khan，Y.U。；Holt，M.R.G.：使用神经网络分析识别EEG中的发作间期峰值，IEE程序科学测量技术45，270-278（1998）
[47] 卡拉，S。；Latifo和gbrev，F。；鲁；Ö.&idot；卡拉汉。；Kahriman，G.：使用STFT和AR模型对肝硬化门脉高压患者的门静脉多普勒信号进行频谱分析，实验力学学会，Exp-tech，51-56（2007）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。