طرحی و سنتز ترکیبات هیبریدی آلی-معدنی جدید، گستره وسیعی از تحقیقات در زمینه شیمی مواد را به خود اختصاص داده است. دندریمرها درشت مولکول های جذاب با خواص فیزیکی و شیمیایی بی نظیری هستند که که از شبکه منظم شاخه دارشان منشاء می گیرد. پلی اکسومتالات ها کلاسترهای اکسید فلزی با ساختار متنوع و خواص ساختاری جالب-توجه هستند که کاربرهای زیادی در زمینه های کاتالیست، نور، مغناطیس و پزشکی به خود اختصاص داده اند. در طی دو دهه گذشته، مایعات یونی به عنوان حلال های سبز در بسیاری از واکنش های آلی نظیر اکسایش، کاهش و واکنش های تراکمی استفاده گردیده است. امروزه مایعات یونی در فرم های هیبریدی به عنوان کاتالیست مورد استفاده قرار گرفته اند. در این تحقیق، ابتدا کاتالیست های هیبریدی آلی-معدنی شامل [bmim]x[pw11moy].3h2o {m: وانادیم (iv)، کروم (iii)، منگنز(ii)، آهن (iii)، کبالت (ii)، نیکل (ii)، مس (ii) و روی (ii)}x} : 4 یا 5 و y: 39 یا 40}، den1-pom(m) {m: وانادیم (iv)، کروم (iii)، منگنز(ii)، آهن (iii)، کبالت (ii)، نیکل (ii)، مس (ii) و روی (ii)}، den2-pom(zn)، den3-pom(zn)، den4-pom(zn)، [nr4]5[pw11zno39].xh2o {:r اتیل، ایزوپروپیل، n-بوتیل و هگزادسیل تری متیل}، [choline]5[pw11zno39].xh2o، [4-clmepy]5[pw11zno39].xh2o،[amino acid]5[pw11zno39].xh2o {اسید آمینه: لیزین، والین، سیستئین، ارنتین، آلانین و تریپتوفان} سنتز شده و توسط روش های مختلف از جمله: آنالیز عنصری، dr uv-vis، ft-ir، xrd ،tg-dtg و sem مورد شناسایی قرار گرفتند. کاتالیست های هیبریدی [bmim]5[pw11zno39].3h2o، den1-pom(zn) و den4-pom(zn) در واکنش اکسایش الکل های بنزیلی و اپوکسایش آلکن ها در شرایط رفلاکس استفاده شدند. فعالیت و انتخاب پذیری این سیستم های کاتالیستی هیبریدی با ترکیبات مشابه همگن و ناهمگن شان مقایسه شد. در ادامه، مشخص گردید که این کاتالیست های هیبریدی آلی-معدنی، بدون تغییر قابل ملاحظه در فعالیت کاتالیستی، توانایی بازیابی و استفاده مجدد در طی چندین مرحله را دارند.

سرطان ریه از مرگبارترین سرطان ها می باشد. یکی از نشانه های بروز سرطان های ریه، ندول های ریوی می باشند که می توانند به صورت مجزا یا متصل به دیواره ی ریه ظاهر گردند. ندول یک توده ی اضافی است که در داخل ریه تولید می شود. سرطان ریه در مراحل اولیه هیچ گونه علائمی در تصاویر سی تی اسکن ندارد و زمانی علائم آن ظاهر می شود که بیماری در مراحل پیشرفته تری قرار گرفته باشد و این به دلیل وجود تباین پایین، اندازه ی کوچک و محل قرارگیری ندول ها در مراحل اولیه است. درصورتی که ندول ها کوچک باشند، آشکارسازی آن ها با چشم بسیار دشوار می باشد. به همین علت در چنین مواردی الگوریتم های پردازش تصویر که توسط کامپیوتر انجام می شوند، می توانند به عنوان کمک کار رادیولوژیست در آشکارسازی، محل یابی و ارزیابی کیفیت ندول کمک کنند. چنین سیستم هایی به عنوان ابزاری هوشمند که نظر دوم را برای رادیولوژیست بیان می کنند، بکار برده می شوند که موقعیت های مشکوک در تصاویر را به رادیولوژیست نشان داده و از این طریق به رادیولوژیست در تشخیص هر چه صحیح تر کمک می نمایند. ایده ی اساسی این نیست که تشخیص بیماری به یک ماشین محول شود بلکه، به این دلیل استفاده می شود که حساسیت کار را افزایش و نرخ خطای مثبت اشتباه را کاهش می دهد. سی تی اسکن یکی از روش های بسیار حساس و دقیق تصویربرداری است که در شناسایی انواع سرطان های ریه بکار می رود. بر این اساس، در این پایان نامه سیستمی برای شناسایی ندول های ریوی در تصاویر سی تی اسکن ریه پیشنهاد شده است. در ابتدا به منظور افزایش سرعت و دقت پردازش، لوب های ریه از تصویر اصلی به دست می آیند. در مرحله بعد، الگوهایی را برای ندول های ریوی در نظر می گیریم و توسط روشی که بیشترین همبستگی را بین الگو و تصویر محاسبه می کند، نواحی مشکوک به ندول های ریوی را شناسایی می کنیم. نواحی مشکوک به ندول های ریوی می توانند رگ یا ندول باشند که آن ها را توسط روش کانتورهای فعال از پس زمینه جدا می کنیم. در مرحله ی استخراج ویژگی ها، استفاده از اطلاعات فقط یک فریم با خطای زیادی در تشخیص روبه رو است، در نتیجه تشخیص ها وقتی دقیق تر خواهند بود که حتی الامکان از تعداد بیشتری فریم استفاده شود. در این پایان نامه، ویژگی های استخراج شده بر مبنای این قاعده می باشند که ندول ها کروی شکل و رگ ها استوانه ای شکل هستند. بنابراین در نواحی ندولی بین قطر کوچک، قطر بزرگ و طول آن اختلاف زیادی وجود ندارد. در نتیجه ویژگی های دو بعدی و سه بعدی را از نواحی مشکوک به ندول های ریوی استخراج می کنیم. در نهایت، برای طبقه بندی نواحی مشکوک به ندول های ریوی به دو کلاس ندول و غیر ندول، از میان روش های موجود، از روش ماشین های بردار پشتیبانی (svm) به عنوان یکی از مطمئن ترین روش های طبقه بندی استفاده شده است. الگوریتم پیشنهادی برای شناسایی ندول های ریوی بر روی تصاویر سی تی اسکن ریه از پایگاه داده elcap، اعمال شده است. نتیجه الگوریتم نهایی طبقه بندی نشان می دهد که بهبود قابل توجهی در نتایج روش ارائه شده نسبت به روش های موجود در این زمینه، وجود دارد. این روش به میزان حساسیت و تشخیص به ترتیب برابر با 2/93% و 9/95% دست یافته است.

چکیده ندارد.