سرطان پستان یکی از چالشی ترین مسائل در زمینه سلامت زنان است. آمار بالای ابتلا به این بیماری و همچنین آمار مرگ و میر ناشی از آن نگران کننده است. هرچه تشخیص این بیماری در مراحل ابتدایی تر صورت پذیرد، احتمال موفقیت آمیز بودن درمان آن بالاتر می رود. روش های متفاوتی جهت تشخیص و غربال گری این بیماری وجود دارد. ماموگرافی، سونوگرافی، ام آر آی، تصویربرداری هسته ای، معاینات شخصی و معاینات بالینی، تعدادی از این روش ها هستند که هرکدام جایگاه و کارایی خود را دارند. از میان این روش ها، از ماموگرافی، به علت خصوصیات ویژه اش، هنوز به عنوان اصلی ترین روش تشخیصی و خصوصا غربال گری استفاده شده و روش های دیگر عموما به عنوان مکمل این روش به کار گرفته می شوند. علیرغم اینکه ماموگرافی بهترین روش برای غربال گری و تشخیص سرطان پستان است، محدودیت هایی نیز دارد. یکی از این محدودیت ها دشوار بودن تفسیر ماموگرام است. این مسئله تا جایی وجود دارد که بسیاری از توده های سرطانی در تصاویر ماموگرام حتی توجه رادیولوژیست های خبره را نیز به خود جلب نکرده و تشخیص آن در مراحل اولیه میسر نشده است. یکی از راهکار های رفع این محدودیت، کمک گرفتن از کامپیوتر ها در تفسیر ماموگرام می باشد. روش های کمک گرفتن از کامپیوترها در تفسیر ماموگرام به دو دسته تقسیم می شوند: روش های کشف ضایعات به کمک کامپیوتر و روش های تشخیص خوش خیم یا بدخیم بودن آن ها به کمک کامپیوتر. از طرف دیگر این روش ها را می توان بر اساس نوع ضایعه ی مورد بررسی دسته بندی کرد. از میان ضایعات ماموگرافیک، تشخیص خودکار توده ها از همه دشوارتر است. در این تحقیق روشی جدید برای کشف توده ها ارائه شده است. این روش تلفیقی از روش های گذشته و نوآوری های بکار رفته می باشد. در ابتدا با استفاده از هرم گاوسی، تصویر ماموگرام در دو مقیاس یک دوم و یک چهارم تفکیک شد. هدف از این کار کاهش نوسانات فرکانس بالای موجود در تصویر و افزودن قابلیت کشف توده های دارای اندازه متنوع به روش پیشنهادی بوده است. در مرحله بعدی فیلتر جدیدی به نام فیلتر قطاعی در این تحقیق طراحی و بر روی هر دو تصویر اعمال گردید. این فیلتر که بر اساس دو فیلتر قبلی آیریس و حلقوی طراحی گردید، بر مبنای همگرایی بردار گرادیان نسبت به مرکز فیلتر کار می کند. اعمال فیلتر بر روی همه تصویر نبوده و مرکز فیلتر تنها در برخی نقاطِ انتخاب شده قرار گرفته و پردازش انجام شده است. در مرحله نهایی که مرحله انتخاب نقاط مشکوک نامیده شده نیز با استفاده از آستانه گذاری بر روی ترکیب خطی خروجی های فیلتر و پس از حذف نواحی کوچک، مراکز سه ناحیه ی دارای بیشترین مقدار به عنوان نقاط مشکوک انتخاب شدند. نتیجه حاصل از پیاده سازی روش پیشنهادی بر روی 155 تصویر ماموگرام ، به صورت 89/5 درصد حساسیت در کشف توده ها به ازای 1/98 میانگین مثبت کاذب در هر تصویر بدست آمد. همچنین روش پیشنهادی کارایی بسیار بالاتری را در کشف توده های بدخیم از خود نشان داد به طوریکه همگی توده های بدخیم موجود در تصاویر کشف گردیدند. مقایسه نتایج روش پیشنهادی با نتایج چند روش دیگر بیان شده در این تحقیق، برتری محسوسی را نشان می دهد.

تیوردوکسین ها (‏trxs‏) پروتئین هایی با وزن مولکولی کم هستند که با توالی آمینواسیدی ‏wc(g/p)pc‏ در جایگاه فعال ‏قابل تشخیص می باشند. ‏trx‏ ها با کمک سیستئین های جایگاه فعال و از طریق احیای برگشت پذیر باند های دی سولفیدی در ‏فرآیند های متعدد اکسیداسیون- احیا شرکت می کنند. برخلاف پستانداران، باکتری ها و قارچ ها، گیاهان دارای ایزوفرم های ‏مختلفی از ‏trx‏ می باشند. ایزوفرم های مختلف ‏trx‏ در گیاهان بر اساس ساختار اولیه و مکان قرارگیری در سلول ‏دسته بندی می شوند. تیوردوکسین های ‏f، ‏m، ‏x‏ و ‏y‏ در کلروپلاست ، ‏trxo‏ در میتوکندری و ایزوفرم های ‏trxh‏ در ‏چندین اندامک سلولی واقع شده اند. در گیاهان عالی ایزوفرم های متعددی از ‏trxh‏ وجود دارند. در ژنوم برنج (‏oryza ‎sativa‏)، نه ژن کدکننده ی ‏trxh‏ شناسایی شده است. همردیف سازی چندگانه بین این ایزوفرم ها، تفاوت قابل توجهی بین ‏ایزوفرم ‏ostrx20‎‏ و هشت ایزوفرم دیگر نشان داد. توالی جایگاه فعال این هشت ایزوفرم از موتیف عمومی جایگاه فعال ‏trxها (‏wcg/ppc‏) تبعیت می کند در حالی که در جایگاه فعال ‏ostrx20‎‏ آمینواسید ‏gly/pro‏ با ‏thr‏ جایگزین ‏شده است. به علاوه در نزدیکی جایگاه فعال، در دیگر ایزوفرم های ‏trxh، آمینواسید حفاظت شده ی ‏asp‏ حضور دارد که ‏در ‏ostrx20‎‏ با آمینواسید بازی ‏lys‏ جایگزین شده است. درتحقیق حاضر، برای مطالعه ی نقش حیاتی آمینواسید های ‏حفاظت شده ی ‏gly‏ و ‏asp‏ در فعالیت احیایی ‏trxh، با استفاده از روش موتاسیون زایی هدایت شده ‏thr55‎‏ و ‏lys48‎‏ به ‏ترتیب با ‏gly‏ و ‏asp‏ در ‏ostrx20‎‏ و ‏gly41‎‏ با ‏thr‏ در ‏ostrx23‎‏ جایگزین شدند. به این منظور و بر اساس این روش ‏واکنش ‏pcr‏ با استفاده از ناقل ‏pet-15b‎‏ حاوی ژن کدکننده ی ‏ostrx20‎‏ طبیعی- به عنوان ماده ی اولیه ی ژنتیکی- ‏انجام شد. محصول ‏pcr‏ بعد از تیمار با آنزیم ‏dpni‏ به باکتری ‏ecoli‏ سویه ی ‏dh5?‏ منتقل شد. بعد از تأیید ‏موتاسیون زایی با استفاده از توالی یابی و هضم آنزیمی به کمک آنزیم برشی مناسب، پلاسمید های حاوی ژن جهش یافته به ‏باکتری ‏e.coli‏ سویه ی ‏rosetta (de3)‎‏ انتقال داده شدند. پروتئین های جهش یافته ی نوترکیب ‏ostrx20(t55g)‎، ‏ostrx20(k48d)‎، ‏ostrx20(t55g)(k48d)‎‏ و ‏his6-ostrx23(g41t)‎‏ پس از القای ‏iptg‏ در فاز محلول تولید شدند. ‏پروتئین های نوترکیب موجود در فاز رویی به روش کروماتوگرافی جذبی و با استفاده از ستون های ‏his-trap‏ ‏خالص سازی شدند. ایزوفرم های ‏trxh‏ جهش یافته ی نوترکیب نیز مانند پروتئین طبیعی از نظر توانایی احیای انسولین- ‏سوبسترای عمومی ‏trx‏ - درphهای مختلف بررسی شدند. به علاوه قابلیت احیای جهش یافته ها توسط ‏osntr1‎‏ ‏آزمایش و با پروتئین طبیعی مقایسه شد. نتایج نشان داد که فعالیت ‏ostrx20(wt)‎‏ در پاسخ به تغییرات ‏ph‏ پایدار نبوده در ‏حالی که جهش یافته های ‏ostrx20(t55g)‎، ‏ostrx20(k48d)‎‏ و ‏ostrx20(t55g)(k48d)‎‏ در برابر این تغییرات پایدار ‏بودند. مطابق با این، جایگزینی ‏gly41‎‏ با ‏thr‏ در ایزوفرم ‏ostrx23‎، منجر به از دست رفتن پایداری ‏ostrx23‎‏ در ‏phهای مختلف شد. به علاوه نتایج نشان داد که جایگزینی ‏thr55‎‏ با ‏gly‏ و ‏lys48‎‏ با ‏asp، تاحدودی باعث بهبود ‏برهم کنش ‏osntr1‎‏ و ‏ostrx20‎‏ شد. بر این اساس برهم کنش ‏osntr1‎‏ و ‏ostrx23‎‏ نیز با جایگزینی ‏gly41‎‏ با ‏thr‏ به مقدار قابل ملاحظه ای کاهش پیدا کرد. به منظور مطالعه ی نقش ‏cysهای انتهای آمینو در ‏ostrx20‎‏ و ‏ostrx23‎، هرکدام از ‏cysها با ‏ser‏ به روش موتاسیون زایی هدایت شده جایگزین شد. نتایج نشان داد درحالی که ‏پروتئین های ‏ostrx20(wt)‎‏ و ‏ostrx23(wt)‎‏ به صورت مخلوطی از فرم مونومر و دایمر حضور دارند، جهش یافته ها ی ‏‎ ‎ostrx20(c3s)(c4s)‎‏ و ‏ostrx23(c11s)‎‏ تنها به فرم مونومر دیده شدند. فعالیت احیایی جهش یافته ها در واکنش با ‏انسولین نیز تقریباً مشابه با پروتئین طبیعی بود. این نتایج نشان می دهد که ‏cys3‎‏ و ‏cys4‎‏ درانتهای آمینوی ‏ostrx20‎‏ و ‏cys11‎‏ درانتهای آمینوی ‏ostrx23‎، نقشی کلیدی در دایمر شدن این پروتئین ها از طریق تشکیل باند های دی سولفیدی ‏دارند.‏

پروتئین ها نقش مهمی در بسیاری از فرآیندهای حیاتی ایفا می کنند. پروتئین ها مولکول های پیچیده ای هستند که از توالی بیست آمینواسید مختلف تشکیل یافته اند. ساختار اول در پروتئین ها همین توالی خطی آمینواسید های خاص در آنها می باشد. دانستن ساختار و کار پروتئین ها دارای کاربرد های مختلفی نظیر طراحی دارو، تشخیص بیماری و حتی بهبود کیفیت محصولات و سوخت های حیاتی مصنوعی می باشد. امروزه با پیشرفت های اخیر در زمینه ی ترادف یابی شاهد رشد نمائی در اطلاعات دنباله های پروتئینی بوده ایم. ساختارهای پروتئینی عمدتا توسط پراش پرتو ایکس و طیف بینی تشدید مغناطیسی هسته تعیین می شوند. اما این روش ها وقت گیر، پرهزینه و غیرقابل کاربرد در مورد تمامی پروتئین ها می باشند. در غیاب اطلاعات ساختاری در مورد پروتئین ها تحلیل دنباله های پروتئینی، منبع اصلی اطلاعات در مورد بسیاری از پروتئین های جدید می باشد. در بسیاری از موارد شباهت دنباله های پروتئینی منجر به عملکرد مشابه یا مرتبط می شود. در طول سال های گذشته الگوریتم ها و روش های یادگیری ماشین مختلفی برای دسته بندی پروتئین ها پیشنهاد شده است. از جمله این روش ها، روش های کرنل می باشند. ایده اصلی در روش های کرنل نگاشت داده های ورودی به یک فضای برداری با ابعاد معمولا بالاتر و سپس یافتن یک جداساز مناسب در این فضا می باشد. روش های کرنل جز روش های دنباله محور در دسته بندی پروتئین ها می باشند. به این معنی که الگوریتم مورد نظر به طور مستقیم بر روی توالی خطی آمینواسیدهای تشکیل دهنده ی یک دنباله ی پروتئینی عمل می کند. رهیافت دیگری که برای دسته بندی پروتئین ها می توان در نظر گرفت، استفاده از یک نگاشت برای انتقال دنباله های پروتئینی به یک فضای برداری و سپس اعمال یک الگوریتم دسته بندی در این فضای جدید می باشد. روش مبتنی بر استفاده از ترکیب شبه آمینواسیدی برای دنباله های پروتئینی، جز روش های این دسته می باشد، که در نگاشت به فضای برداری از خواص بیوشیمیایی آمینواسیدهای تشکیل دهنده ی دنباله ی پروتئینی استفاده می کند. در این پایان نامه به مسئله ی دسته بندی پروتئین ها با استفاده از روش های کرنل و همچنین استفاده از خواص شیمیایی آمینواسیدها به عنوان ویژگی جهت یادگیری ماشین پرداخته شده است. از بین روش های کرنل موجود در زمینه ی دسته بندی پروتئین ها چهار روش کرنل طیفی، کرنل عدم تطبیق، کرنل شکاف دار و نیز کرنل ترازیابی محلی پیاده سازی شده اند. روش مبتنی بر استفاده از ترکیب شبه آمینواسیدی نیز به طور کامل پیاده سازی و نتایجش با روش های کرنل مقایسه شده است. جهت ارزیابی روش های مورد بررسی، از چهار خانواده ی پروتئینی استفاده شده است. نتایج بیانگر کارایی هر دو روش کرنل و نیز روش مبتنی بر استفاده از ترکیب شبه آمینواسیدی، بسته به خانواده ی مورد بررسی می باشد. به عبارت دقیق تر از بین روش های کرنل، کرنل ترازیابی محلی دارای کارایی بهتری نسبت به سایر روش های کرنل می باشد. روش مبتنی بر استفاده از ترکیب شبه آمینواسیدی نیز، در مورد دو خانواده پروتئینی نتایج بهتری از کرنل ترازیابی محلی داشته است.

مقاومت میکروبی به آنتی بیوتیک ها نگرانی در حال افزایشی در میان متخصصان مراقبت از سلامت می باشد که آن ها را وادار به جستجو برای درمان های جایگزین می نماید. در سال های اخیر پپتیدهای ضد میکروبی توجه زیادی را به عنوان جایگزینی برای آنتی بیوتیک های سنتی به خود جلب نموده اند. پپتیدهای ضد میکروبی طیف گسترده ای از فعالیت را دارا می باشند و می توانند به عنوان داروهای ضد باکتریایی، ضد ویروسی، ضد قارچی و گاهی اوقات حتی به عنوان داروهای ضد سرطانی و ضد توموری عمل نمایند. پپتیدهای ضد باکتریایی با وجود داشتن ویژگی های مشترک معمول، از نظر توالی، همولوژی پایینی دارند. از آنجایی که نیازی برای گسترش یک روش محاسباتی برای پیشگویی پپتیدهای ضد باکتریایی وجود دارد، در مطالعه ی حاضر، ما مفهوم ترکیب سودوآمینواسید چو و روش های یادگیری ماشین را برای دسته-بندی پپتیدهای ضد باکتریایی استفاده نمودیم. سپس روش اعتبارسنجی زیرنمونه ای را برای به دست آوردن پارامترهای صحت، ضریب همبستگی متیو و ناحیه ی زیرمنحنی برای ارزیابی عملکرد پیشگو استفاده نمودیم. نتایج ما نشان داد که با استفاده از مفهوم سودوآمینواسید و بکارگیری ماشین بردار پشتیبان می توان اطلاعات مفیدی برای پیشگویی پپتیدهای ضد باکتریایی فراهم کرد. همچنین ما پپتیدهای پروتئین p24 ویروس hiv-1 را با این روش دسته بندی نمودیم. در نهایت، خاصیت ضد باکتریایی این پپتیدها را با استفاده از روش انتشار دیسک مورد آزمایش قرار دادیم. خاصیت ضد باکتریایی این پپتیدها علیه دو باکتری گرم مثبت شامل باسیلوس سوبتیلیس و باسیلوس سرئوس و دو باکتری گرم منفی شامل سودوموناس آئروجینوزا و سودوموناس پوتیدا تست شد. نتایج بررسی های محاسباتی و تجربی نشان داد که این پپتیدها فاقد اثرات ضد باکتریایی می باشند.

سیستم ایمنی انسان، حفاظت موثری را در برابر پاتوژن های مهاجم، ایجاد می کند. پاتوژن های خارج سلولی غالبا توسط مکانیسم های مبتنی بر آنتی بادی شناسایی شده و از بین می روند (ایمنی هومورال)، در حالی که سلول های آلوده به ویروس و یا سلول های بدخیم، عمدتا توسط سلول های t کشنده، نابود می شوند (ایمنی سلولی). ایجاد اپی توپ های سلول t کشنده از دنباله ی آنتی ژنی، مستلزم چندین فرآیند داخل سلولی بوده که شامل ایجاد بخش های پپتیدی توسط پروتئوزوم، انتقال پپتیدها به شبکه ی آندوپلاسمی با واسطه ی tap و شکل گیری کمپلکس پپتید-mhc می باشد. فهم جزئیات این مراحل، در طراحی واکسن و ایمنی درمانی مهم است. از آن جایی که آزمایشات موردنیاز برای شناسایی نواحی مناسب از نظر ایمنی در آنتی ژن، پرهزینه و زمان بر می باشند، نیاز ضروری به توسعه ی روش های محاسباتی به منظور پیش بینی مراحل مختلف پردازش آنتی ژن وجود دارد. تلاش های زیادی به منظور مدل سازی و پیش بینی فرآیندهای درگیر در این پردازش، صورت گرفته است. عمده ی تمرکز بر روی پیش بینی باندشدن پپتید به مولکول mhc بوده و نتایج نسبتا خوبی به دست آمده است، با این حال، جا برای بهبود نتایج وجود دارد. در مورد دو فرآیند مهم دیگر شامل شکست پروتئوزومی و انتقال tap، تلاش کمتری صورت گرفته است زیرا دانش کمی در مورد آن ها وجود دارد و داده های بسیار کمی در دسترس است. در این پایان نامه، روش هایی برای پیش بینی باندشدن پپتید به مولکول mhc کلاس i و ii پیشنهاد شده که مبتنی بر الگوریتم های یادگیری ماشین و ویژگی های فیزیکی-شیمیایی آمینواسیدها می باشند. این روش ها، بهبودی را در سطح زیر منحنی roc، در مقایسه با روش های قبلی نشان می دهند. همچنین روشی را برای پیش بینی محل های شکست در آنتی ژن های اندوژن و اگزوژن توسعه دادیم که براساس الگوهای دنباله ای مشترک بین پپتیدها، عمل می کند. علاوه بر آن، با استفاده از ویژگی های فیزیکی-شیمیایی آمینواسیدها و الگوریتم جنگل تصادفی، روشی برای پیش بینی باندشدن پپتید به tap انسانی مطرح شده و نقش سه آمینواسید واقع در پایانه ی n و یک آمینواسید واقع در پایانه ی c پپتید بر تمایل باندشدن به tap مورد بررسی قرار گرفت.

سرطان در سراسر جهان به عنوان یکی از مهم ترین دلایل مرگ و میر مطرح می باشد. روشهای درمانی سنتی و عمومی مثل پرتودرمانی و شیمی درمانی دارای اثرات جانبی هستند و هزینه های بالایی دارند. اخیرا طراحی پپتیدهای ضدسرطانی به عنوان یک راه موثر درمان عنوان می شود. بنابراین توسعه ی یک روش کامپیوتری برای پیش بینی پپتیدهای ضدسرطانی ضروری است. در این مطالعه دو روش برای پیش بینی پپتیدهای ضدسرطانی با استفاده از روش یادگیری ماشین به عنوان یک الگوریتم قدرتمند استفاده شده است. طبقه بندی ها با استفاده از ترکیب شبه اسیدآمینه و کرنل ترازیابی محلی انجام شده است. از آنجایی که در مطالعات پیشین تعدادی از پروتئین های ویروس hiv-1خاصیت ضدسرطانی را نشان دادند، در این مطالعه خاصیت ضدسرطانی پپتیدهای پروتئین p24 ویروس hiv-1 با روشهای کامپیوتری پیش بینی شد. پس از پیش بینی، خاصیت جهش زایی 2 پپتید ضدسرطانی و 2 پپتید که خاصیت ضدسرطانی ندارند با تست ایمز بررسی شد. نتایج نشان می دهند که صحت و اختصاصیت روش کرنل ترازیابی محلی به ترتیب 7/89 و 68/92 درصد هستند. هم چنین صحت و اختصاصیت روش بر مبنای pseaac به ترتیب 82/83 و 36/85 درصد هستند. با آنالیز های کامپیوتری از 22 پپتید پروتئین p24، 4 پپتید خاصیت ضدسرطانی را نشان دادند و 18 پپتید این خاصیت را نشان ندادند. در نتایج تست ایمز به وضوح مشخص است که پپتیدهای ضدسرطانی در غلظتی که به عنوان پپتید ضدسرطانی استفاده می شوند جهش زا نیستند. بنابراین نتایج به طور کلی نشان می دهند که روشهای کامپیوتری برای پیش-بینی پپتیدهای ضدسرطانی موثر هستند و پپتیدهای ضدسرطانی نام برده بدون خاصیت جهش زایی می توانند به عنوان گزینه های جدید ضدسرطانی استفاده شوند.

در حال حاضر تکنولوژی های تحویل دارو، تنها توانایی کنترل میزان دوز دارو را دارند؛ اما قادر به پاسخگویی به وضعیت بیولوژیکی بدن نیستند. اگر دریافت دارو از طریق پوست صورت گیرد، میزان دوز دریافتی دارو برای هر بیمار با توجه به شرایط بیولوژیکی بدن او تامین می گردد. طراحی چنین سیستمی که بتواند با تغییر حجم داروی دریافتی، دوز آن را کنترل کرده و با کمترین آسیب به پوست قادر به تحویل داروهای مختلف باشد، می تواند به جامعه بیماران کمک زیادی کند. یک روش مهم برای تحویل دارو از طریق پوست یونتوفورسیس است. منشأ پدیده ی یونتوفورسیس میدان الکتریکی موجود در یک محلول است که منجر به حرکت یون ها میان دو الکترود می شود. یونهای دارویی مثبت از الکترود مثبت (آند) و یون های دارویی منفی از الکترود منفی (کاتد) دفع می شوند. این روش کاملا غیرتهاجمی بوده و مهم ترین مزیت آن, تحویل دارو به صورت کنترل شده و بدون درد به بیمار است. در مطالعه ی جاری یک سیستم یونتوفورتیک قابل حمل و کم هزینه با قابلیت انتخاب شدت جریان و فرکانس پالس جریان (متغیر برای هر نوع دارو) و همچنین تغییر پلاریته (بسته به نوع دارو) مبتنی بر مدلسازی پوست طراحی و ساخته شد. سیستم با یک نمونه ماسک زیبایی امتحان شد و قابلیت های آن مورد بررسی قرار گرفت.

پتانسیل برانگیخته جواب مجموعه ای از یاخته های عصبی به یک تحریک حسی است و از جمله سیگنالهای حیاتی است که در تشخیص برخی بیماریهای اعضای حواس پنجگانه و مطالعه سیستم عصبی مرکزی کاربرد زیادی دارد. یکی از انواع پتانسیلهای برانگیخته، پاسخ شاخه مغزی شنوائی است . در پتانسیل برانگیخته شنوائی، اعصاب شنوائی با اعمال پالسهای صوتی، تحریک می شوند و پاسخ این تحریکها توسط الکترودهایی از فرق سر ثبت می شود. پتانسیل های برانگیخته شنوائی توانایی بیان اطلاعات کلینیکی از حلزون تا عصب شنوائی، ساقه و کورتکس مغز را دارند. این پتانسیلها که در سیگنالهای مغزی مدفون شده اند، نسبت سیگنال به نویز بسیار پائینی دارند و از طرفی غیرایستا و متغیر با زمان هستند. ساده ترین روش معمول و رایج برای استخراج پتانسیل برانگیخته متوسط گیری از پاسخ ها است و بطور مثال از 1000 سری خروجی تحریک متوسطگیری می شود که تعداد زیادی است . در این روش فرض براین است که متوسط نویز، صفر، سیگنال با نویز غیروابسته و محیط ایستا است . در این پروژه از تبدیل پاره موج که عملکرد مناسبی در محیط های غیرایستا دارد، برای بهبود تخمین پتانسیل برانگیخته از سیگنالهای مغزی و افزایش سرعت همگرائی در فیلترهای وفقی استفاده شده است . ما فیلتر وفقی جدیدی مبتنی بر تبدیل پاره موج ارائه می کنیم و آنرا فیلتر وفقی مبتنی بر تفکیک چندگانه می نامیم . نشان خواهیم داد که این فیلتر از کارایی بهتری نسبت به فیلترهای وفقی متغیر با زمان، و نامتغیر با زمان در تخمین پتانسیل برانگیخته شنوایی برخوردار است . یکی از خاصیتهای مهم تبدیل پاره موج، فشرده سازی اطلاعات است که در این پایان نامه نیز مورد استفاده قرار گرفته است .