Atardamarlardaki daralma ve tıkanıklığın maksimum olabilirlik kestiriminin kullanıldığı AR metodu ile incelenmesi

Ultrasonik Doppler, kan akış hızını, yönünü ve hacmini incelemede kullanılmaktadır. Bundan dolayı, ultrasonik Doppler birçok damar hastalıklarında atardamarlardaki akış karakteristiğini ve atardamarların direncini belirleyen güvenilir bir teknik olarak bilinmektedir. Bu çalışmada, 105 kişiden alınan atardamar Doppler işaretlerinin spektral analizi, hızlı Fourier dönüşüm (HFD) ve maksimum olabilirlik kestiriminin kullanıldığı özbağlaşımlı (AR) metodlar ile yapılmıştır. Bu spektrum analiz metodlannın kullanılması ile atardamar Doppler işaretlerinin güç yoğunluk spektrumları elde edilmiştir. Tıbbi bilgi elde etmek için Doppler güç yoğunluk spektrumlarındaki değişimler zamanın fonksiyonu olarak sonogram şeklinde gösterilmiştir. Daha sonra bu sonogramlar kullanılarak spektral analiz metodlarının frekans çözünürlükleri ve atardamarlardaki daralma ve tıkanıklığın belirlenmesindeki etkileri karşılaştırılmıştır. Bu sonogramların değerlendirilmesi ile atardamarlardaki hemodinamik değişimler hakkında güvenilir bilgiler elde edilmiştir.

Inspection of stenosis and occlusion in arteries with AR method using maximum likeli hood estimation

Doppler ultrasound is used in the inspection of the velocity, direction, and volume of blood flow. Therefore, Doppler ultrasonography is known as a reliable technique, which demonstrates the flow characteristics and resistance of arteries in various vascular diseases. In this study, spectral analysis of arterial Doppler signals obtained from 105 subjects were performed by using fast Fourier transform (FFT) and autoregressive (AR) methods using maximum likelihood estimation. By using these spectrum analysis methods power spectrum densities of arterial Doppler signals were obtained. In order to obtain medical information, the variations in the shape of the Doppler power spectrum densities as a function of time were presented in the form of sonograms. These sonograms were then used to compare the spectral analysis methods in terms of their frequency resolution and the effects in determination of stenosis and occlusion in arteries. Reliable information on hemodynamic alterations in arteries were obtained by the evaluation of these sonograms.

PDF

___

1. Evans, D.H., McDicken, W.N., Skidmore, R., Woodcock, J.P., "Doppler Ultrasound: Physics", Instrumentation and Clinical Applications, Wiley, Chichester 115-184 (1989).
2. Güler, N.F., Kıymık, M.K., Güler, İ., "Comparison of FFT and AR-based sonogram outputs of 20 MHz pulsed Doppler data in real time", Computers in Biology and Medicine, 25: 383-391 (1995).
3. Güler, N.F., Kıymık, M.K., Güler, İ., Autoregressive-based sonogram output of 20 MHz pulsed Doppler data, Medical Progress through Technology, 21: 105-110 (1995).
4. Güler, İ., Hardalaç, F., Müldür, S., "Determination of aorta failure with the application of FFT, AR and wavelet methods to Doppler technique", Computers in Biology and Medicine, 31: 229-238 (2001).
5. Güler, İ., Kara, S., Güler, N.F., Kıymık, M.K., "Application of autoregressive and fast Fourier transform spectral analysis to tricuspid and mitral valve stenosis", Computer Methods and Programs in Biomedicine, 49: 29-36 (1996).
6. Keeton, P.I.J., Schlindwein, F.S., "Spectral broadening of clinical Doppler signals using FFT and autoregressive modelling", European Journal of Ultrasound, 7: 209-218 (1998).
7. Keeton, P.I.J., Schlindwein, F.S., Evans, D.H., "A study of the spectral broadening of simulated Doppler signals using FFT and AR modelling", Ultrasound in Medicine & Biology, 23(7): 1033-1045 (1997).
8. Proakis, J.G., Manolakis, D.G., "Digital Signal Processing Principles, Algorithms, and Applications", Prentice Hall, New Jersey, 896-956 (1996).
9. Kay, S.M., Marple, S.L., Spectrum analysis - "A modern perspective", Proceedings of the IEEE, 69: 1380-1419 (1981).
10. Güler, İ., Kıymık, M.K., Akın, M., Alkan, A., "AR spectral analysis of EEG signals by using maximum likelihood estimation", Computers in Biology and Medicine, 31: 441-450 (2001).
11. Kay, S.M., "Fundamentals of statistical signal processing: estimation theory", Prentice Hall, New Jersey 157-214 (1993).
12. Akaike, H., "A new look at the statistical model identification", IEEE Transactions on Automatic Control, AC-19: 716-723 (1974).