بیماری پارکینسون یکی از بیماری های شایع عصبی است. این بیماری از مرگ برگشت ناپذیر سلول های مغز در قسمت جسم سیاه عقده های قاعده ای ایجاد می شود. بعلاوه، ساختار فیزیولوژیک مغز بسیار پیچیده بوده و در حالت بیماری این پیچیدگی دو چندان می شود. درچنین شرایطی، وجود مدل می تواند در درک بهتر عملکرد مغز و شناخت بیماری، کمک شایانی انجام دهد. مدل بایستی بتواند در کنار این که رفتار عوارض بیماری را شبیه سازی کند، اطلاعات فیزیولوژیکی به دست آمده در مطالعات را به خوبی در بر گیرد. در این پایان نامه، یک مدل جعبه سیاه بر پایه اطلاعات به دست آمده در مورد عقده های قاعده ای و بیماری پارکینسون ارائه شده است تا مبنایی برای مطالعه بیماری مفروض قرار گیرد. پاسخ مدل در این پروژه، عوارض بیماری و بازه های قدم نهادن می باشد. از طرف دیگر، مطالعات مختلفی رفتار آشوبی را در بازه های قدم نهادن بررسی کرده اند که حکایت از آشوبی بودن آن دارد. بنابراین، مدل باید توانایی شبیه سازی رفتار آشوبی را داشته باشد. چنین مدلی با دید آشوب و به صورت جعبه سیاه برای بیماری پارکینسون تا کنون ارایه نشده است. به همین دلیل روش جدیدی برای این مساله خاص، ارایه شده است. با استفاده از این مدل، پارامتری برای تشخیص بین حالت بیماری و صحت بدست آمده که میتواند پزشکان را در فهم بهتر رفتار این بیماری، یاری دهد. با ارایه این مدل پیشنهاد شده است که بیماران پارکینسونی را به دو دسته کلی تقسیم بندی کرد. این مدل میتواند برای کاربردهای مهمی مانند تشخیص زود هنگام بیماری و پیش بینی درمانهای جدید امکان پذیر برای از بین بردن علائم این بیماری، مورد استفاده قرار گیرد.

تاکنون مکانیسم های پاتوفیزیولوژیک آسم خصوصا آسم غیرآتوپیک هنوز به طور کامل شناخته نشده اند. مطالعات مختلف نشان داده است که تغییر در دامنه و فرکانس نوسان طول عضله صاف ایزوله می تواند در تغییر نیروی ایزومتریک عضله نقش داشته باشد. در نتیجه ما فرض کردیم که تغییر الگوی تنفس می تواند در ایجاد افزایش پاسخدهی مجاری هوایی و بروز آسم غیرآتوپیک نقش داشته باشد. هدف از این مطالعه بررسی الگوی تنفس بیماران مبتلا به آسم غیرآتوپیک و اثر این الگو بر پاسخ دهی عضله صاف مجاری هوایی موش صحرایی بود. به منظور بررسی این فرضیه، ابتدا با استفاده از مدل های خطی و غیرخطی تغییرات حرکت قفسه سینه و شکم به تغییرات حجم کالیبره شد و از با این روش توانستیم سگنال های تنفسی را ثبت کنیم. با استفاده از روش های آنالیز غیرخطی شامل detrended fluctuation analysis (dfa)، sample entropy، cross-sample entropy، inverse statistics و طول مارکوف، الگوی تنفس افراد سالم، بیماران مبتلا به آسم غیرآتوپیک کنترل نشده (unaa)، آسم آتوپیک کنترل شده (caa) و آسم آتوپیک کنترل نشده (uaa) بررسی شد. سپس الگوی های تنفس سالم (h)، غیرآتوپیک (n) و ثابت (v) به وسیله نرم افزار ایجاد و از طریق ونتیلاتور بر موش صحرایی اعمال شد. سپس مقاومت مجاری هوایی، پاسخ دهی عضله صاف مجاری هوایی به متاکولین و میزان بیان mrna فاکتورهای التهابی tnf? و il8 در ریه در گروه های مختلف مقایسه شد. یافته های این پژوهش نشان داد که مدل شبکه عصبی مصنوعی دقت بیشتری نسبت به مدل های خطی روتین برای پیش بینی حجم تنفسی بر اساس حرکات قفسه سینه و شکم دارد. الگوی تنفس بیماران مبتلا به آسم (خصوصا آسم غیرآتوپیک) دارای همبستگی فرکتالی کمتر، نظم و طول مارکوف بیشتر نسبت به افراد سالم است. در حالیکه بیان ژن های التهابی اختلاف معناداری نداشت، الگوی تنفس v و n به ترتیب مقاومت مجاری هوایی را نسبت به حالت پایه به ترتیب افزایش و کاهش داد. بنابراین می توان نتیجه گرفت الگوی تنفس بیماران آسمی پیچیدگی کمتری نسبت به افراد سالم دارد و الگوی های تنفسی مختلف، در شرایط التهابی مشابه، می توانند در تغییر مقاومت مجاری هوایی نقش داشته باشند.

شکل گرفته اند. مدل شبکه عصبی که از سیناپس و نورون پویا بهره مند است، هم تغییرات کوتاه مدت و هم تغییرات بلند مدت را به خوبی تفسیر می کند. این ویژگی باعث می شود تا این شبکه مدلی منحصر به فرد در شبکه های عصبی با سیناپس پویا به شمار رود. ویژگی های خاص این شبکه باعث می شود تا بتوان از آن در بررسی ایجاد و کاهش درد با استفاده از تحریکات الکتریکی استفاده کرد. مدل سایبرنتیکی که با استفاده از بلوک دیاگرام های کنترلی شکل گرفته، شاخ خلفی نخاع را در سطح مولکولی مورد بررسی قرار می دهد. به همین دلیل می توان از این مدل در بررسی کاهش درد با استفاده از دارو استفاده کرد. هر دو مدل تا حد بسیار خوبی درد مزمن را مدل می کنند و تطابق فیزیولوژیکی بسیار خوبی با ساختار به وجود آورنده درد دارند.دادگان لازم در این مدلسازی ها از روی مقالات معتبر کلینیکی در زمینه درد استخراج شده اند.

به دلیل نقش حیاتی ریه در بدن انسان و شیوع بیماری های آن، مدلسازی سیستم تنفس از دیرباز مورد توجه بوده است. بنابراین شناسایی عملکرد سیستم تنفسی از اهمیت بسزایی برخوردار است. خصوصا برای شناخت فیزیولوژیک ریه و نیز تشخیص و درمان بیماری های ریوی و جنبه های دیگر مثل کاربردهای کمک تنفسی شناخت این ارگان و مدلسازی آن اهمیت فراوانی دارد. تاکنون مدل های متفاوتی از سیستم تنفس ارایه شده است ولی کاملی که بتواند خواص الاستیک و ویژگی های ارتجاعی کل ریه را بیان کند وجود نداشته است. علاوه بر آن در این پروژه هدف در نظر گرفتن فشار ناشی از فعالیت ماهیچه ای عضلانی در مدل می باشد. که در مدل های قبلی از آن چشم پوشی شده است دلیل آن کاربرد مدل برای بیماران فلج تنفسی (paralyzed) بوده است که این فشار در آنها تقریبا صفر است. هدف اصلی در این پایان نامه رسیدن به رفتار واقعی تر ریه و افزایش دقت مدل ارایه شده می باشد. از اهداف دیگر این پایان نامه ارایه مدلی کامل تر با قابلیت کاربرد برای بیماران شایع تنفسی است. شایان ذکر است که در این پایان نامه به اخذ دادگان به صورت واقعی پرداخته و نتایج را با کارهای قبلی مقایسه می کنیم.

بیماری ام.اس، اختلال مزمن عصبی است که در آن، برخی از میلین های سیستم اعصاب مرکزی از بین می روند و علایم این بیماری، مرتبط با نقص های مسیرهای هدایتی پیامهای عصبی می باشند. در تحقیق حاضر، در ابتدا مدل الکتریکی دقیقی از آکسون را با در نظر گرفتن مشخصات میلین و بخشهای مختلف ناحیه میان گرهی شبیه سازی کردیم. سپس، با استفاده از این مدل هدایت پتانسیل عمل در آکسون بطور دقیق پیاده سازی شد و اثر تغییر مشخصات میلین بر سرعت هدایت پتانسیل عمل مورد بررسی قرار گرفت. با توجه به این که در این بیماری بعضی از آکسونها قادر به هدایت نمی باشند و توقف هدایتی دارند، در مرحله نهایی این تحقیق، با مدلسازی اثر القایی متقابل بین آکسونها بر پایه مدل آقای مکنتایر، اثر این پدیده در هدایت آکسونهای آسیب دیده بررسی شده است.

پردازش سیگنال های گفتاری بیماران و مقایسه ی آنها با سیگنال های گفتاری ثبت از افراد سالم، یکی از رایج ترین روشهایی است که با استفاده از آن می توان به بررسی میزان ناهنجاری قسمت های مختلف دستگاه تولید گفتار در انسان پرداخت. هدف از به کارگیری روش های غیرتهاجمی، انجام امور تشخیصی و ارائه ی راهکارهای پیشگیرانه، کمک درمانی و درمانی است. با بهره گیری از چنین روش هایی، می توان با ثبت سیگنال گفتاری افراد توسط یک میکروفون و با صرف هزینه و زمان کم، به بررسی احتمال بروز گونه های بدخیمی از بیماری های جهاز صوتی، به ویژه حنجره و تارهای صوتی، در مراحل اولیه ی آن ها پرداخت. در این پایان نامه، به استخراج ویژگی های خطی سیگنال صوتی و بررسی آن ها پرداخته شده است. این ویژگی ها برای ناهنجاری های متفاوت، توسط چند نوع طبقه بندی کننده، از یکدیگر جدا می شوند و برای بهبود نتایج، از الگوریتم ژنتیک و الگوریتم های موسوم به درخت بهینه استفاده می شود. نتایج حاصل نشان می دهد که امکان جداسازی ناهنجاری ها، با تغییر الگوریتم های بهینه یابی به شدت تغییر می کند و به دست آوردن بهترین روش انتخاب ویژگی بهینه، می تواند راهکار مناسبی برای رسیدن به هدف جداسازی ناهنجاری ها باشد. برای مثال برای جداسازی ناهنجاری پولیپ و تشنج از یکدیگر، با اعمال الگوریتم ژنتیک بر ویژگی های مرحله ی پنجم ویولت، به نتیجه ی 75% خواهیم رسید. حال آنکه، اعمال این الگوریتم بر ویژگی های حاصل از معیارهای هلینگر، فیشر و عدم شباهت، به ترتیب نتایج 80%، 82.5% و 90% را ایجاد خواهد کرد. از طرفی، به جمع آوری دادگان بومی پرداخته شده است و روش های خود را بر این دادگان نیز اعمال کرده و به نتایجی که در فصل 7 مشاهده خواهید کرد دست یافتیم.

شکل پذیری سیناپسی بر اساس زمان بندی اسپایک ها سیناپس ها بسته به ترتیب فعالیت در سلول های پیش سیناپسی و پس سیناپسی از خود توانمدسازی درازمدت ltp یا فروافت درازمدت ltd نشان می دهند توانمندسازی درازمدت هنگامی اتفاق می افتد که یک اسپایک پیش سیناپسی مقدم بر یک اسپایک پس سیناپسی حادث شود فاصله بین اسپایکی مثبت در حالی که ترتیب عکس وقوع اسپایک در سلول های پیش سیناپسی و پس سیناپسی منجر به القا فروافت درازمدت در سیناپس خواهد شد فاصله بین اسپایکی منفی مدل مبتنی بر کلسیم براساس مقدار بیشینه کلسیم شکل پذیری سیناپسی براساس زمان بندی اسپایک ها وقوع ltp را منوط به ورود مقادیر بالای کلسیم به داخل سلول پس سیناپسی از طریق کانال های گیرنده های nmda و ایجاد ltd را در گرو ورود مقادیر متوسط کلسیم از طریق این کانال ها به درون سلول سیناپسی در نظر گیرد. با توجه به این که این مدل در فواصل بین اسپایکی مثبت و طولانی نیز وقوع ltd را پیش بینی می کند به نظر می رسد این مدل در تشخیص حساسیت به ترتیب وقوع فعالیت در ترمنیال های پیش سیناپسی و پس سیناپسی کارایی لازم را نداشته باشد. دلیل این امر این است که با طولانی شدن فواصل بین اسپایکی مثبت مقادیر کمتری از کلسیم وارد سلول پس سیناپسی خواهد شد و این امر ادامه می یابد تا جاییکه غلظت کلسیم در محدوده ای قرار می گیرد که پیش بینی کنندهوقوع ltd است برای جلوگیری از چنین پیش بینی ای در نظر گرفتن یک مکانیزم ثانویه برای ردیابی ترتیب فعالیت راه حل مناسبی به نظر می رسد براین اساس مدلی از س لول های پیش سیناپسی در ناحیه cal هیپوکمپ ارایه شده است که دو ردیاب برای تشخیص وقوع همزمانی در نظر گرفتهاست. نتایج به دست آمده از این مدل کارایی آن را در بازسازی شرایط طبیعی نشان می دهد.

از آنجا که گفتار مهمترین راه ارتباطی برای انسان به شمار می آید، بسیار مورد مطالعه قرار گرفته شده است. برای تولید گفتار مدل های مختلفی ارایه گردیده است که می توان آن ها را به دو دسته عمده تقسیم نمود. دسته اول عموما دارای پایه و اساس فیزیولوژیکی نیستند و صرفا با استفاده از سیگنال گفتار و روش های پردازشی، مدل هایی برای تولید گفتار ارایه می دهند. دسته دوم به مبحث زبان و تولید و درک گفتار در سطوح عالی مغز می پردازند چرا که گفتار مهمترین راه خروجی زبان است. مدل هایی که در دسته دوم ارایه شده اند عموما کیفی هستند و بیشتر برای بررسی و پیش بینی تاثیر آسیب های مغزی بر روی زبان و گفتار بکار می روند. نکته ای که کمتر به آن توجه شده است این است که تولید گفتار در واقع مجموعه ای از اعمال عصبی عضلانی است. بر طبق مشاهدات و آزمایشات، سیستم کنترل تولید گفتار در سطوح مختلفی به پیش بینی اغتشاشات می پردازد. همچنین شواهد حاکی از وجود مدل های داخلی از سیستم حرکتی تولید گفتار در مغز است و سیستم عصبی بر اساس این مدل ها به کنترل آرتیکولاتورهای گفتار می پردازد. بر اساس این مشاهدات در این پروژه برای سیستم کنترل تولید گفتار مدلی پیشنهاد شده است که بر اساس کنترل پیش بین مبتنی بر مدل است. شبیه سازی ها نشان دادند که مدل پیشنهادی می تواند داده های حرکتی بدست آمده از سیگنال گفتار را به خوبی تولید کند و این مدل مشابه سیستم تولید گفتار به خوبی اغتشاشات خارجی را حذف می کند. همچنین بازسازی سیگنال گفتار ناشی از حرکات کنترل شده به وسیله مدل پیشنهادی نشان داد که این مدل می تواند رفتار سیستم تولید گفتار را به خوبی توصیف کند.

کنترل دقیق متغیرهای حیاتی در افراد بیمار که سیستم کنترل طبیعی آن ها به دلیلی با مشکل مواجه شده، امری ضروری است. یکی از این متغیرهای حیاتی سطح گلوکز خون افراد مبتلا به دیابت است. هورمونی که برای جذب گلوکز خون به داخل سلول ها نقش اساسی دارد، انسولین می باشد. در یک نوع از دیابت که به آن دیابت نوع یک می گویند، ترشح انسولین از پانکراس متوقف می-شود و در این حالت گلوکز حاصل از قند خوراکی و یا ترشح شده از کبد در خون باقی می ماند و سلول ها نمی توانند آن را جذب کنند و به این ترتیب سلول ها با کمبود گلوکز روبه رو می شوند. راه حلی که در این زمینه وجود دارد، تزریق انسولین از خارج بدن به داخل خون است. طبیعی است این تزریق باید کنترل شده باشد، در غیر این صورت افزایش بیش از حد مجاز انسولین در بدن نیز می تواند باعث مرگ انسان شود. در این پروژه پس از بیان معادلات غیرخطی دینامیک انسولین- گلوکز در بیماران دیابتی نوع 1، یک الگوریتم مشورتی/کنترل برای بیمارانی که تحت درمان شدید انسولین بر اساس تزریق چند مرحله ای در روز می باشند، ارایه شده است. این الگوریتم با به کارگیری دانش فرد خبره در زمینه درمان این بیماری و با استفاده از منطق فازی از نوع ممدانی برای تنظیم قند خون ساخته شده است. فرض شده است که بیمار در طول روز سه وعده غذایی با فاصله زمانی 6 ساعت مصرف می کند. روش کنترلی بر اساس دو حلقه پس خور می باشد. حلقه داخلی مقدار انسولین رگولار (کوتاه اثر) و انسولین nph (متوسط الاثر) را که قبل از هر وعده غذایی باید به بیمار تزریق شود، تعیین می کند. سپس ترکیب این انسولین ها، توسط بیمار در یک بافت زیرپوستی تزریق می شود. علاوه بر این، کنترل گر حلقه خارجی مقدار بیشینه انسولینی را که فرد در طول روز می تواند مصرف کند، تعیین می کند. کنترل گر خارجی حکم یک ناظر را برای کنترل گر داخلی بازی می کند. همچنین نشان داده شده است در حالتی که فرد پنج وعده غذایی در طول روز مصرف می کند الگوریتم به درستی قادر به تعیین دوز اضافی انسولین nph نمی باشد. برای حل این مشکل از یک کنترل گر نروفازی استفاده شده است. نتایج شبیه سازی نشان داده است در حالتی که فرد پنج وعده غذایی در طول روز مصرف می کند، به کنترل بهتری می توان دست یافت.

مغز انسان پیچیده ترین قسمت از اعضای بدن است. تعداد نورونها، انواع متنوع آنها و اتصالات بین انها این پیچیدی را افزایش داده است. این نکات پژوهشگران را وادار به تحقیق در مورد اعمال و اجزای مختلف مغز کرده استو ثابت شده است که که هیپوکمپوس مغز نقشی مستقیم در ذخیره و بازیابی حافظه های اپیزودیک و فضایی دارد. در این پروژه مدلی برای ca3 مرکز ذخیره اطلاعات-ارائه می کنیم. مدلی نوعی شبکه عصبی به نام شبکه عصبی مورفولوژیک است. بخاطر طبیعت غیر خطی این مدل، مدل دارای برتریهایی نسبت به مدلهای دیگر مورد استفاده برای حافظه مانند هوپفیلد می باشد. به عنوان مثال می توان به ظرفیت بالای ذخیره سازی آن مقاومت شبکه در برابر نویز اشاره کرد. همچنین مدل ما دارای شباهتهایی از نظر آناتومی، ساختار و کارکردهایca3 .واقعی می باشد. بهینه سای کرنل، اثرات نویز و بر روی ظرفیت حافظه و مدلی سرتاسری برای هیپوکمپوس می توانند نکاتی برای پژوهشهای بعدی باشند.

در سالیان اخیر با پیشرفت ابزارهای آزمایشگاهی و فن آوریهای نوین، شواهد تجربی یادگیری تقویتی و با سرپرستی که بعنوان تئوریهای پایه ای در علم یادگیری و کنترل حرکات ارادی شناخته می شوند، در حال ارائه هستند. در پایان نامه حاضر تلاش در جهت رسیدن به شناختی جامع از سیستم، جهت یادگیری کنترل حرکات با عنایت به یادگیری تقویتی و نیز یادگیری با سرپرستی بصورت مدل معکوس و نقش آنها در حفظ موقعیت و حرکت به انجام رسیده است. در گام اول نقش یادگیری تقویتی در عقده های قاعده ای جهت انجام حرکت رسنده بررسی شد. این روش تجربه های قبلی را یاد نمی گیرد و بصورت تخمین تجمعی از خطای آینده سیستم، عمل کنترل حرکت را انجام می دهد، که جهت حصول به آن به تعامل با محیط اطرافش نیاز دارد. و سپس با تمرین و کسب تجربه مخچه بصورت مدل معکوس، دینامیک معکوس محیط را یاد می گیرد، تا بتواند در تگرارهای بعدی با استفاده از مدل شکل گرفته عمل کنترل را بصورت مستقیم انجام دهد. بر مبنای مدلسازی، در ابتدای یادگیری که مدل و اغتشاشات محیط در دسترس سیستم کنترل حرکات از دینامیک حرکت دقیق نمی باشد، سیستم کنترل از طریق یاگیری تقویتی با اغتشاشات خارجی مقابله می کند. بمرور زمان که مدل درونی سیستم از دینامیک محیط اطراف کامل می شود از نقش این یادگیری کاسته شده و کار کنترل توسط مدل معکوس انجام می شود. نتایج حاصل نشان داد که پس از یادگیری مهارتی استفاده از مدل درونی بمراتب کنترل بهتری را در حرکات رسنده در زمان پیش بینی شده اعمال کرد که منطبق بر شواهد فیزیولوژیکی نیز است.

بیماری وسواس در گروه بیماریهای خلقی و در زیر گروه بیماریهای اضطرابی است که مربوط به اختلالات ساختاری و عملکردی مغز می باشد. عوامل زیادی در این بیماری موثر هستند. لذا درمانهای متفاوتی برای آن بکار رفته که به دو دسته کلی «دارو درمانی» و «رفتار درمانی» تقسیم می شوند. در دارو درمانی ، از داروهای سروتونرژیک و دوپامینرژیک استفاده شده که روی ناقلهای عصبی مغز اثر گذاشته و موجب بهبودی بیماری می شود. رفتار درمانی از درمانهای موثر است ولیکن مکانسیم اثر آن از دیدگاه فیزیولوژی شناخته شده نیست اما با توجه به اهمیت آن در معالجه بیماری باید در مدل لحاظ گردد. مدلهای بسیار محدودی برای این بیماری موجود است. مدل آقای اونبای و مدل آقای کوبوتا از مابقی تکمیل تر بوده و برای مدلسازی از آنها ایده گرفته شده است. مدل آقای اونبای یک مدل ایستا بوده و عوامل زیادی که در این بیماری موثر بوده در مدل لحاظ کرده است. آقای کوبوتا نیز بیماری را در حالت پویا مدل کرده است. در این پروژه سعی کرده ایم مدل شبکه عصبی مصنوعی بیماری وسواس را با استفاده از دانش بیولوژیکی آن تکمیل نمائیم. در ابتدا یک مدل از فردی سالم را در نظرگرفته سپس با تغییر ورودیها، ظهور نشانه های بیماری را از دیدگاه آشوب بررسی کرده ایم. عوامل موثر مهمی که در این بیماری لحاظ نشده اند را نیز به عنوان ورودی به مدل اضافه کرده ایم تا مدلی نسبتاً کامل از بیماری ارائه داده باشیم. در پایان به شبیه سازی «درمان دارویی» و «درمان رفتاری- شناختی» پرداخته ایم و نتایج درمانها را با هم مقایسه کرده ایم. سپس پیش بینی مدل ارائه شده را، از درمان همزمان دارویی و رفتاری- شناختی، عرضه نموده ایم.

با استفاده از روشهای کامپیوتری در این پایان نامه سعی شده که میزان تحمل ایجاد شده توسط دو داروی مورفین و نیکوتین را شبیه سازی شود.