چکیده پایان نامه های مقطع کارشناسی ارشد
نام و نام خانوادگی:سعیده کوشکی
عنوان پایان نامه: مطالعه و بهبود روش های تشخیص میتوز با استفاده از شبکه های عصبی کانولوشنال در تصاویر پاتولوژی پستان
رشته تحصیلی:مهندسی پزشکی- بیوالکتریک
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر سیده شهربانو فلاحیه حمیدپور
چکیده:
سرطان پستان شایع ترین علت اصلی مرگ و میر ناشی از سرطان در زنان است. روش های زیادی برای تشخیص خوش خیم یا بدخیم بودن سرطان پستان وجود دارد، اما تشخیص پاتولوژیک اغلب به عنوان “استاندارد طلایی” در نظر گرفته می شود. از آن جایی که شکل و بافت سلول ها در مراحل مختلف رشد میتوز متنوع است و همچنین، سلول های تقلیدی بسیاری وجود دارند که از نظر ظاهری بسیار شبیه به میتوزها هستند، بنابراین، دشواری تشخیص میتوز را افزایش می دهد و مقابله با موارد مثبت کاذب را برای فرآیند تشخیص دشوار می کند. در نتیجه شناسایی سلول های میتوزی در تصاویر هیستوپاتولوژی و شمارش آنها مهمترین شاخص برای ارزیابی خطر متاستاز است. در رابطه با این موضوع در سال های اخیر محققان روش های زیادی را برای بهبود و اصلاح کیفیت تصاویر میتوزی انجام داده اند، از جمله استفاده از روش های خودکار سازی این عملکرد با استفاده از چارچوب یادگیری عمیق، استفاده از شبکه رگرسیون عمیق برای پاسخگویی به چالش های موجود، استفاده از روش های مرحله به مرحله ی تقسیم بندی و طبقه بندی با الگوریتم کریل هرد، روش هایی برای شناسایی خودکار میتوز بر اساس شبکه های عصبی کانولوشنی، استفاده از یک شبکه عصبی کاملاً کانولوشن فیوژن چند مقیاس آگنوستیک دامنه اتوماتیک برای شناسایی میتوزها، و همینطور ارائه یک سیستم یادگیری چند وظیفه ای پایان به پایان برای تشخیص میتوز از تصاویر پاتولوژی که “شبکه میتوزی” نامگذاری شده است.
بنابراین، در ابتدا خودکارسازی این فرآیند برای کاهش زمان وکاهش خطا، سپس پردازش تصویربرداری خودکار برای تشخیص سرطان سالهاست به عنوان یک موضوع تحقیقاتی مورد بررسی قرار گرفته است. برای تحلیل مدل ها از پایگاه داده تصاویر چالش ارزیابی الگوریتم های تشخیص میتوز سال 2013 و پایگاه داده طبقه بندی تصاویر هیستوپاتولوژیک سرطان پستان استفاده می شود که شامل 9109 تصویر میکروسکوپی از بافت تومور پستان از 82 بیمار که با استفاده از فاکتورهای مختلف بزرگنمایی جمع آوری شده و شامل 2480 نمونه خوش خیم و 5429 نمونه بدخیم است. در اين پايان نامه هدف اين است که از شبکه های عصبی کانولوشنال برای بهبود و اصلاح کیفیت تصاویر پاتولوژی جهت تشخیص بهتر سرطان پستان برای تشخیص سلول های میتوزی استفاده شود. برای تحلیل مدل ها از الگوریتم های تشخیص میتوز در چالش 2013 (AMIDA13) مورد توصیف قرار گرفت.
کلیدواژه: تشخيص ميتوز، شبکه هاي عصبي کانولوشن، تشخيص سرطان سينه، تصاوير پاتولوژي،کانتور فعال، یادگیری انتقال
نام و نام خانوادگی:نرگس دریاپوری
عنوان پایان نامه: تحلیل تصاویر ماموگرافی در شناسایی ناهنجاریهای سرطان پستان
رشته تحصیلی: مهندسی پزشکی
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر امید مرادی
چکیده:
سرطان پستان شایع‌ترین سرطان در میان زنان است. تشخیص زودهنگام سرطان سینه یکی از مهمترین عوامل افزایش شانس بهبودی این بیماری است. روش‌هایی برای تشخیص سرطان سینه ومانند ماموگرافی، سونوگرافی، ام آر آی، پزشکی هسته‌ای، خودآزمایی پستان و معاینه بالینی پستان و غیره وجود دارد. اما ماموگرافی روش استاندارد برای تشخیص و غربالگری سرطان پستان است. اگرچه ماموگرافی به عنوان اصلی‌ترین روش تشخیصی برای مطالعات پستان استفاده میشود، اما تفسیر ماموگرافی کار دشواری است و به تجربه و مهارت رادیولوژیست بستگی دارد. بنابراین بسیاری از موارد سرطانی ممکن است به خصوص در غربالگری‌ها طبیعی تشخیص داده شوند، روش پیشنهادی در این مطالعه با تجزیه تصویر با استفاده از مدل مخلوط گوسی همراه است، فیلتر جدیدی به نام فیلتر بخش نیز برای تشخیص توده‌ها پیشنهاد شد. پس از اجرای روش پیشنهادی بر روی 155 تصویر ماموگرافی، نتایج امیدوارکننده‌ای به دست آمد. نتایج نشان داد که5/89 درصد از توده‌ها شناسایی و تنها 98/1 به طور متوسط مثبت کاذب در هر تصویر تولید شد. علاوه بر این، نتایج برای توده‌های بدخیم بسیار بهتر بود به طوری که همه توده‌های بدخیم قابل تشخیص بودند. عملکرد روش پیشنهادی در این تحقیق رقابتی و یا حتی در برخی موارد بهتر از سایر روش‌های پیشنهادی در ادبیات بود.
کلیدواژه:
نام و نام خانوادگی:سحر موسوی
عنوان پایان نامه: به کار گیری یادگیری ماشین تحت نظارت به منظور بهبود کیفیت سرویس در شبکه 5G
رشته تحصیلی:مهندسی کامیپوتر -شبکه‌های کامیپوتری
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر احمد یوسفی
چکیده:
به پنجمین نسل از فناوریهای سلولی، ارتباطات همراه 5G گفته می شود. شبکه های 5G به طور گسترده با سه ویژگی منحصر به فرد مشخص می شوند: اتصال همه جانبه، تاخیر بسیار کم و انتقال دادهها با سرعت فوق العاده بالا. چالشهای موجود در شبکه های 5G عبارتند از: اطمینان از عملکرد شبکه، کیفیت خدمات مورد نیاز از جمله خدمات، ارتباطات انواع ماشین، پهنای باند پیشرفته موبایل، ارتباطات با قابلیت اعتماد بالا با تاخیر کم.
زمینه های یادگیری ماشین در تکنولوژیهای ارتباطات قابل پیاده سازی هستند. در معماری مطرح شده در این پژوهش، یک مکانیسم اطمینان QOS مبتنی بر یادگیری نظارت شده برای شبکه های 5G ارائه شده است.
در این پژوهش ابتدا انواع درختهای برای یادگیری سیستم مورد بررسی قرار گرفته است که نتیجه آن بدین صورت است که درخت c4.5 بهترین پاسخ را در مقایسه با بقیه ی درختها دارد.
در بررسی دادههای شبکه های مختلف به این نتیجه رسیدیم که در شبکه های غیرپویا سرعت بسیار کمی دارد. برای حل این مشکل، درخت تصمیم را با الگوریتم ژنتیک ادغام نمودیم که منجر به تولید نتایج مطلوبی گردید.
روش پیشنهادی در پنج مرحله کار خود را انجام میدهد: 1) داده های شبکه جمع آوری میشوند. 2) این داده ها به کمک درخت تصمیم c4.5 بررسی شده و فیلدی که باید پیش بینی شوند، پیش بینی میشوند. 3) داده های جمع آوری شده و داده هایی که قبلا در الگوریتم ژنتیک بررسی شده اند (در تعریف الگوریتم ژنتیک این داده ها والدها هستند) در کنار هم مجموعه داده هایی را تشکیل میدهند که در این مرحله بررسی میشوند. 4) داده های انتخاب شده در مرحله 3 به عنوان ورودی برای عملیات جهش وارد الگوریتم ژنتیک میشوند. 5) در این مرحله از بین فرزندان تولید شده در مرحله 4، به صورت تصادفی مواردی انتخاب شده، وارد درخت c4.5 میشوند و عملیات یادگیری این درخت انجام میشود. 6) داده های وارد شده برای مرحله بعد نگهداری میشوند (در مرحله 3 به عنوان والد استفاده میشود).
نتایج بدست آمده از شبیه سازی انجام شده بیانگر این موضوع است که ادغام الگوریتم ژنتیک و درخت c4.5 باعث شده است که عملیات یادگیری با سرعت بیشتری انجام شود و به تبع آن پیش بینی با دقت بیشتری انجام شود. مقایسه روش پیشنهادی با CART، CHAID انجام شده است که نتایج بدست آمده از مقایسات انجام شده نشان داده است که روش پیشنهادی توانسته عملکرد بهتری را به نسبت دو روش CART، CHAID بدست بیاورد.
کلیدواژه:
شبکه های 5G، یادگیری ماشین، ناهنجاریهای QOS، الگوریتم ژنتیک، درخت تصمیم
نام و نام خانوادگی:سحر عسگری
عنوان پایان نامه:Iranian High School EFL Teachers Assessment Literacy
رشته تحصیلی:آموزش زبان انگلیسی
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما : دکتر امید طباطبائی
چکیده:
One of the main components of the learning process is teacher evaluation. Therefore, assessment literacy is essential to promote student learning and achievement and teacher education. The focus of this mixed study is to investigate the assessment of English as a foreign language (EFL) literacy of English teachers with TEFL and non-TEFL backgrounds in Isfahan schools. The participants in this research were 100 male and female English language teachers from 20 high schools. Their age was between 25 and 50 years. Selection was based on participants’ willingness to participate and teachers were selected based on available sampling in a non-random manner. The instrument were teacher questionnaires and semi-structured interviews with some of them. In the quantitative stage, all the participants were required to complete the questionnaire through the Google form link, and in the qualitative stage, the participants participated in a semi-structured interview. The findings show that there is a significant difference in the level of language evaluation literacy of teachers according to their educational background. Especially, the results show that post-graduate teachers have higher language evaluation literacy than undergraduate teachers, which shows the effect of teachers’ education level and background.
کلیدواژه:Language Assessment Literacy, Language Learning, EFL Learner, TEFL Background, High School Teachers.
نام و نام خانوادگی:سمیرا قادریان
عنوان پایان نامه: Evaluation of EFL Teacher Training Program in Iran
رشته تحصیلی:آموزش زبان انگلیسی
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما : دکتر علیرضا نجفی- دکتر کاوه خدام باشی
چکیده: The present study was an attempt to evaluate how effectively English language training program helps Iranian EFL teacher trainees prepare for their future positions. The participants of the study were 100 (33 males & 67 females) EFL students. They were males and females and their ages were between 22 and 30 years old. They are English language teacher trainees of Isfahan teacher training university. In the present study, mixed methods design was conducted as an approach to inquiry that combines or associates both interview and questionnaire as qualitative and quantitative phases respectively. Data were collected via both interviews and questionnaires. Interviews were first conducted with Iranian EFL students to identify concerns related to their training program in Iran. The questionnaires’ frequency counted and descriptive statistics were used in this study. Open and axial coding were used to analyse the interviewees’ data to gain a deeper understanding of the participants. The findings revealed that the majority of participants agreed that the teacher training program established a connection between classroom practice and theory. Additionally, the findings demonstrated that teacher training programs can encourage students to focus on their points in the future implications. Hopefully, the findings of this study will assist educational teachers, administrators, and academicians to better understand teacher training programs in Iranian contexts.
کلیدواژه:
EFL Students, Training Program, Teacher Trainees
نام و نام خانوادگی:مریم بابائی
عنوان پایان نامه:The Impact of Digital Storification on Accuracy and Fluency in Speaking Among Iranian EFL Learners
رشته تحصیلی:آموزش زبان انگلیسی
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما : دکتر علیرضا نجفی
چکیده:
پژوهش حاضر تلاشی برای بررسی تأثیر داستان گویی دیجیتال بر دقت و تسلط در گفتار در زبان آموزان ایرانی زبان انگلیسی بود. تعداد کل 40 زبان آموز زن انگلیسی با محدوده سنی 13 تا 25 سال با مهارت زبان متوسط در این مطالعه بر اساس در دسترس بودن انتخاب شدند. تست تعیین سطح آکسفورد برای همگن سازی شرکت کنندگان از نظر نمرات آنها در آزمون انجام شد. به نمونه انتخاب شده پیش آزمون گفتاری داده شد تا همگنی آنها از نظر توانایی بررسی شود. پس از انجام پیش آزمون، روند تحقیق آغاز شد. کل آموزش هفت جلسه به طول انجامید. در دو جلسه ی اول، تست تعیین سطح آکسفورد و پیش آزمون به ترتیب اجرا شد. در چهار جلسه شرکت کنندگان آموزش را دریافت کردند و در جلسه هفتم پس آزمون گفتاری به شرکت کنندگان هر دو گروه داده شد تا با استفاده از رسانه دیجیتال تاثیر آموزش بر روانی و دقت گفتاری آنها مشخص شود. در طول هفت هفته ، شرکت کنندگان در گروه آزمایش در معرض کلاس هوشمند قرار گرفتند و دوره های گفتاری با استفاده از رسانه دیجیتال به آنها آموزش داده شد. دادهها با استفاده از نرم‌افزار SPSS برای نمونه‌های زوجی و آزمون تی مستقل مورد تجزیه و تحلیل قرار گرفت. سپس پژوهشگر مصاحبه ای نیمه ساختاریافته برای جمع آوری داده های کیفی انجام داد. مصاحبه ای متشکل از سوالات که توسط محقق تهیه شده است. نتایج نشان داد که استفاده از داستان گویی دیجیتالی در گروه آزمایش تأثیر معناداری بر دقت و روان گفتاری دانش‌آموزان دارد. نتایج همچنین نشان داد که زبان آموزان زبان انگلیسی نگرش و ادراک مثبتی نسبت به اجرای رسانه های دیجیتال داشتند. یافته‌ها نشان داد که استفاده از رسانه‌های دیجیتال برای آموزش در کلاس گفتاری مفید است. از این رو، امیدواریم که یافته‌های این مطالعه به معلمان آموزشی، مدیران، دانشگاهیان کمک کند تا تأثیر استفاده از داستان گویی دیجیتال بر دقت و روان گفتاری را بهتر درک کنند.
کلیدواژه:
داستان گویی دیجیتال، صحبت کردن، دقت، روانی
نام و نام خانوادگی:بهناز حق ورد
عنوان پایان نامه: مطالعه ، بررسی و بهبود عملکرد مدار تمام جمع کننده با استفاده از ترانزیستورهای نانو لوله کربنی
رشته تحصیلی:مهندسی برق- الکترونیک
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر عبدالحسین رضائی
چکیده:
ترانزیستورهای اثرمیدان مبتنی بر نانولوله کربنی به واسطه مشخصه الکترواستاتیکی بهتر و قابلیت تحرک بیشترالکترون ها یکی از گزینه‌های مناسب برای جایگزینی ترانزیستورهای مبتنی بر CMOS در آینده‌ای نزدیک می‌باشند. از طرف دیگر جمع‌كننده یکی از مدارهای کاربردی در طراحی مدارهای دیجیتال نظیر مدارهاي محاسباتی، فيلترها و پردازشگرها می‌باشد. دراین پایان‌نامه مدل جدیدی برای ترانزیستور اثرمیدان نانولوله کربنی ارائه شده است. سپس با استفاده از این ترانزیستوراثرمیدان نانولوله کربنی جدید یک مدارجمع کننده یک بیتی جدید برای کار در ولتاژهای بسیار پایین طراحی شده است. مدارطراحی شده با استفاده از HSPICE شبیه‌سازی شده است . نتایج حاصل از شبیه‌سازی نشان میدهد انرژی مصرفی مدار جمع کننده تک بیتی ارائه شده درحدود 12درصد انرژی مصرفی درحالت پیاده‌سازی ترانزیستورهای مبتنی بر CMOSمی‌باشد. همچنین عملکرد این مدار از نظر تأخیر نیز نزدیک به 60 درصد بهبود داشته است.
کلیدواژه: ترانزیستور، اثرمیدان نانولوله کربنی، جمع‌کننده، فناوری نانو
نام و نام خانوادگی: فائزه لطفی
عنوان پایان نامه: پیش‌بینی بیماری پارکینسون با استفاده از تحلیل سیگنال‌های حاصل از راه رفتن و ماشین بردار پشتیبان بهینه شده توسط الگوریتم تکامل تفاضلی
رشته تحصیلی: مهندسی برق- کنترل
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر امید مرادی
چکیده:حدود 7 تا 10 میلیون نفر در سراسر جهان از بیماری پارکینسون رنج می‌برند و پیش‌بینی‌ها حاکی از آن است که تعداد مبتلایان به پارکینسون در ایران و سایر کشور‌های جهان در 17 سال آینده (2040 میلادی) به دلیل افزایش روزافزون سن جمعیتی، چشمگیر باشد. تجزیه و تحلیل سیگنال‌های حرکتی می‌تواند برای شناسایی بیماری پارکینسون با استفاده از روش‌های یادگیری خودکار عملیاتی شود. محققان به دلیل چالش‌هایی مانند دقت کم، مقاوم نبودن در برابر نویز محیطی برای سیگنال‌های دریافت شده، حجم محاسباتی بالا، عدم قطعیت و عدم تعمیم‌پذیری، به دنبال راهکار‌های جایگزین‌ها و راه حل‌های توانمندتری برای روش‌هایی هستند که تاکنون معرفی شده‌اند. با در نظر گرفتن این چالش‌ها ، این مطالعه از دادههای پایگاه داده Physionet که روی حسگر‌های واقع در کف پا برای تعیین وقوع ناهنجاریهای حرکتی ناشی از بیماری پارکینسون استفاده کرد. ماشین بردار پشتیبان با هسته تابع پایه شعاعی در روش پیشنهادی در کنار گام‌هایی چون پیش پردازش دادهها، استخراج ویژگی و طبقه‌بندی استفاده میشود. برای بهینه‌سازی طبقه‌بندی از الگوریتم‌های تکاملی-دیفرانسیل استفاده شده که سبب میشود پارامتر‌های کرنل تابع پایه شعاعی در فضای جواب یافت شود و ابر صفحه مناسب جهت تفکیک ایجاد گردد. تجزیه و تحلیل دادهها و ویژگی‌ها به طور قابل توجهی با مرحله پیش پردازش، که شامل تصادفی‌سازی ترتیب دادهها و هنجار‌سازی ویژگی‌ها است، بهبود یافته است. مقایسه آماری بین نتایج سه روش مشابه و روش پیشنهادی برای بررسی مراحل استخراج ویژگی و طبقه‌بندی انجام شده است. به عنوان راه حلی برای تعمیم‌پذیر و روش با قابلیت فائق آمدن بر عدم قطعیت، یک آزمون تکرارپذیری برای الگوریتم طراحی شده است و دقت آزمون در شرایط مختلف پس از اعتبار سنجی متقاطع K-fold با مقادیر مختلف K بیش از 5/96 درصد به دست آمده است.طبق بررسی‌های انجام شده این مدل یک مدل مقاوم است، چرا که علیرغم اعمال سیگنال‌های متفاوت دریافت شده از افراد، ثابت شده است که دقت آن پایدار باقی مانده است. در نهایت، استنتاج شده که مدل پیشنهادی در تشخیص زودهنگام بیماری پارکینسون به طور قابل توجهی نسبت به روش‌های مشابه قبلی برتری دارد.
کلیدواژه: پارکینسون، استخراج ویژگی، الگوریتم تکاملی-دیفرانسیلی، ماشین بردار پشتیبان، هسته تابع پایه شعاعی.
نام و نام خانوادگی:ساناز صدقی اصفهانی
عنوان پایان نامه: ارزیابی بیان آنتاگونیست گیرنده اینترلوکین یک انسانی نوترکیب در باکتری E. coli
رشته تحصیلی:زیست شناسی گرایش سلولی و مولکولی
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما:دکترکیانوش درمیانی
چکیده:
آنتاگونیست گیرنده اینترلوکین یک انسانی، به فرم نوترکیب پروتئین غيرگليكوزيله ای است که دارای 152 اسیدآمینه و یک باند دی سولفید درون زنجیره ای می باشد. IL-1RA که آنتاگونیست گیرنده IL-1 می باشد نقش کلیدی در جلوگیری از التهاب در مفاصل و بیماری های سیستمیک مانند آرتریت روماتوئید ایفا می‌کند. مشکل اصلی در تولید IL-1RA نوترکیب کمبود بازده تولید این پروتئین به صورت محلول و همچنین نیمه عمر کوتاه این پروتئین می‌باشد. تا به امروز مطالعات مختلفی جهت افزایش پایداری، فعالیت و همچنین اتصال قوی تر این آنتاگونیست به گیرنده هدف، انجام شده است. در این مطالعه پروتئین انسانیIL-1RA به صورت منفرد و همچنین با بیان همزمان Thioredoxin (TrxA) در سویه باکتری SHuffle بیان شد. استفاده از رویکرد بیان همزمان TrxA و سویه SHuffle بیان این پروتئین به فرم محلول را به طور موفقیت آمیزی افزایش داد. مطالعات ما نشان داد در پروژه پیش رو برای اولین بار بیان این پروتئین در سویه باکتریایی SHuffle مورد بررسی قرار گرفت. فعالیت زیستی پروتئین تولید شده پس از تخلیص، با جبران افت زنده مانی سلول های فیبروبلاست موشیNIH3T3 که تحت تیمار با Lipopolysaccharide (LPS)قرار گرفته بودند اثبات شد. از آنجاییکه این پروتئین نوترکیب فعالیتی همتراز با نمونه دارویی Perkinra به عنوان نمونه استاندارد نشان داد، این مطالعه ثابت کرد کهhIL-1RA نوترکیب به طور موفقیت آمیز و زیست فعال در باکتری SHuffle تولید شده است و میتوان از آن برای بررسی سایر فعالیت های فیزیولوژیک این پروتئین که هنوز مورد مطالعه واقع نشده اند استفاده کرد.
مواد و روش ها:
در این طرح در نظر است که ابتدا یک نسخه از توالی کدکننده پروتئین IL-1RA همراه با برچست خالص سازی His-tag و جایگاه برش پروتئاز TEV بین آنها و از سوی دیگر یک نسخه از توالی برچسب محلول سازی TrxA در دو کاست جداگانه در یک و بیانی pET15b کلون شده و حامل هدف تحت عنوان حامل pET15b-IL-1RA/TrxA نام گذاری میشود. هدف اصلی از ساخت این حامل تولید IL-1RA به صورت محلول در گونه SHuffle باکتری E. coli و سپس خالص سازی آن می باشد. حامل به گونه ای طراحی می شود که پروتئین نوترکیب IL-1RA تولید شده دارای His-Tag -باشد که خالص سازی آن را به راحتی امکان پذیر سازد. علاوه بر این حامل بیانی، جهت ساخت حامل بیانی کنترل، توالی کدکننده‌ی IL-1RA در حامل pET15b بدون برچسب محلول سازی TrxA نیز کلون می شود به صورتی که اثر احتمالی TrxA در افزایش بیان محلول پروتئین IL-1RA با نتایج حاصل از بیان این حامل در باکتری مقایسه گردد. پس از تولید پروتئین نوترکیب IL-1RA به صورت محلول به کمک بیان همزمان تیوردوکسین، برای بررسی فعالیت زیستی آن، پروتئین محلول به کمک روش FPLC نیز خالص سازی نهایی شده و سپس اثر بخشی پروتئین نوترکیب بر روی مهار تکثیر و زنده مانی سلولهای رده NIH3T3 با تکنیکMTS بررسی گردید.
نتایج و بحث:
در طرح حاضر پروتئین IL-1RA انسانی (hIL-1RA)به صورت موفقیت آمیز به طور محلول (هم به صورت بیان منفرد و هم با بیان هم زمان TrxA) در باکتریSHuffle تولید و به کمک برچسبHis-Tag تخلیص اولیه شد. همچنین این پروتئین با روش کروماتوگرافی تمایلی FPLC نیز خالص سازی شد. در انتها برچسب تخلیص هیستیدین با کمک آنزیم پروتئاز TEV جدا گردید. جهت بررسی فعالیت زیستی پروتئین نوترکیب IL-1RA تولید شده در باکتری، از رده سلولی فیبروبلاست جنین موشیNIH3T3 استفاده شد. همچنین برای القا و تولید IL-1β توسط این سلول ها از LPS استفاده گردید. براساس نتایج بدست آمده با تکنیک MTS assay، در همه غلظت های بکار رفته از پروتئین نوترکیب hIL-1RA تولید شده به صورت کاملا قابل مقایسه با غلظت های یکسان داروی استاندارد، از افت زنده مانی سلول ها پس از تیمار با LPS جلوگیری شد. همچنین بررسی فعالیت زیستی پروتئین نوترکیبی که برچسب تخلیص هیستیدین از آن جدا نشده بود نیز نشان داد که فعالیت آن با پروتئین فاقد برچسب تخلیص تفاوت معنی داری ندارد. از آنجاییکه این پروتئین نوترکیب فعالیتی همتراز با نمونه دارویی به عنوان نمونه استاندارد نشان داد، این مطالعه ثابت کرد کهhIL-1RA نوترکیب به طور موفقیت آمیز و زیست فعال در باکتری تولید شده است و می توان از آن برای بررسی سایر فعالیت های فیزیولوژیک این پروتئین که هنوز مورد مطالعه واقع نشده اند استفاده کرد.
نتیجه گیری: در این مطالعه، یک روش کارآمد برای تولید پروتئین hIL-1RAنوترکیب به فرم محلول و فعال در سلول-های باکتریایی سویه SHuffle ارائه شد که در آن پروتئین تولیدی در نهایت با یک روش مقرون به صرفه با برچسب حلالیت هیستیدین و با استفاده از رزین نیکل از سلول های باکتریای خالص سازی شد و در ادامه فعالیت زیستی آن در سلولهای NIH3T3 ثابت گردید.
کلیدواژه: آنتاگونیست گیرنده اینترلوکین یک(hIL-1RA)، پروتئاز TEV، سویه بیانی ,SHuffle .Thioredoxin
نام و نام خانوادگی:مهدی مصلح
عنوان پایان نامه: بهبود تشخيص بيماري هاي قلبي از طريق سيگنال PCG با انتخاب ويژگي هاي موثر بر اساس الگوريتم وراثتي
رشته تحصیلی:مهندسی پزشکی- بیوالکتریک
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر مهدی نصری
چکیده:
قلب یکی از مهمترین اندام های داخلی بدن است. براساس گزارش سازمان بهداشت جهانی در سال 2015، شانزده میلیون نفر سالانه قبل از سن 70 سالگی به دلیل بیماری های غیرواگیر جان خود را از دست می دهند. این نوع بیماریها یکی از چالش های عمده قرن بیست و یکم هستند. موضوع تشخیص بیماری های قلبی و پیش بینی برخی رخدادهای مخاطره آمیز مرتبط با سیستم های قلبی عروقی نظیر سکته قلبی، مرگ ناگهانی، گرفتگی عروق کرونر، شوک های فشار خون و مشکلات دریچه ای و مکانیکی قلبی یکی از آرزوهای علمی مهم دانشمندان و محققان این زمینه در پنج دهه گذشته است. صدای قلب توانایی توصیف فعالیت های مکانیکی قلب را دارد. طبق تحقیقات گذشته، صدای قلب در اثر حرکت دریچه های قلب که به دلیل نوسان کل سیستم قلبی-عروقی ایجاد می شود تولید می شود. بروز اشکال در فعالیت قلب سبب اختلالاتی در صداهای قلب یا فونوکارديوگرام می شود. این تغییرات در سیگنال صدای قلب (PCG) ، قبل از بروز علائم بیماری رخ می دهد و به همین دلیل منجربه تشخیص بیماری در مراحل اولیه خواهد شد. در اين پايان نامه هدف اين است که پس از دريافت سيگنال هاي صوتي قلب (PCG) و فيلترينگ مناسب، به مجموعه اي از فريم هاي همپوشان تقسيم مي شود. در ادامه از هر فريم، مجموعه اي از ويژگي ها در حوزه موجک (DWT)، ضرايب کپسترال فرکانس مل (MFCC)، تبديل هيلبرت هوانگ (HHT)، تبديل فوريه کسري (FFT) و آنتروپي استخراج مي گردد، سپس به کمک يک رويکرد ترکيبي انتخاب ويژگي فيلتر-پوششي، زيرمجموعه اي از ويژگي هاي کارآمد انتخاب مي شوند. به منظور عمليات کاهش (فيلتر) از الگوريتم PCA و جهت رويکرد پوششي از الگوريتم تکاملي وراثتي با دسته بند SVM بهره گرفته، که باعث بهبود تشخيص بيماري هاي قلبي از جمله تنگي دريچه آئورت (AS) ، تنگي دريچه ميترال (MS)، نارسائي دريچه ميترال (MR)، افتادگي دريچه ميترال (MVP) که با نرخ شخیص 2/97 درصد مي شود.
کلیدواژه: فونوکارديوگرام، بيماري قلبي ، تبديل موجک گسسته ،ضرايب کپسترال فرکانس مل ، ماشين بردار پشتيبان ، الگوريتم وراثتي ، تبديل هيلبرت هوانگ ، تبديل فوريه کسري