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.

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.

فرآیند بیهوشی به عنوان یکی از ارکان اساسی در انجام عمل جراحی محسوب می گردد. این فرآیند را می توان به صورت نبود پاسخ و یا عکس العمل به تحریکات ناخوشایند تعریف نمود که شامل سه رکن اساسی عدم هوشیاری (عمق بیهوشی)، عدم احساس درد و شل شدن عضلات می باشد. با وجود پیشرفت های همه جانبه علوم و فنون پزشکی، هنوز یکی از عمده ترین مشکلات متخصصان بیهوشی، اطمینان نداشتن از انجام صحیح این فرآیند است. از این رو متخصصان هم چنان به دنبال راه حلی برای اطمینان از انجام صحیح بیهوشی هستند. استفاده از روش های کنترل خودکار برای این منظور مناسب می باشد. در واقع هدف سیستم کنترل خودکار بیهوشی، تعیین نرخ داروی تزریقی به بیمار، به منظور دستیابی به عمق مناسبی از بیهوشی است. لذا در چنین سیستمی نیاز به معیاری جهت تعیین عمق بیهوشی می باشد. معیارهای مختلفی به این منظور ارایه شده اند که یکی از مناسب ترین آن ها، آنالیز bis است که در این پایان نامه نیز به عنوان شاخص تعیین عمق بیهوشی مورد استفاده قرار گرفته است. بیهوشی فرآیندی غیرخطی به همراه تأخیر است، یک سری محدودیت ها در روند بیهوشی وجود دارند که در تعیین نرخ داروی تزریقی - سیگنال کنترلی- باید مورد توجه قرار گیرند. به علاوه کنترل کننده مورد استفاده باید از مقاومت کافی برخوردار باشد تا در مقابل تغییر شرایط بیمار در حین عمل جراحی و یا خطای تخمین پارامترهای مدل، دچار نقص در عملکرد نشود. کنترل کننده پیش بین مبتنی بر مدل (mpc ) گزینه ای مناسب برای کنترل این فرآیند است. در کارهای انجام شده تا کنون از مدل جامعی که مشتمل بر محدودیت ها تزریق و تفاوت های فردی بیمار باشد استفاده نگردیده است. در ضمن عموماً از فاز القای بیهوشی صرف نظر شده و صرفاً فاز نگهداری در نظر گرفته شده است. با توجه به این نکات، هدف این پایان نامه آن است که با طراحی کنترل کننده ای پیش بین و استفاده از یک مدل فارماکوکینتیک-فارماکودینامیک که پارامترهای فردی بیمار نیز تا حد امکان در آن لحاظ شده است، بیمار در سطح مطلوب بیهوشی قرار گیرد. در این تحقیق، کنترل کننده هایی با استفاده از روش های مختلف mpc مانند: gpc ، edmc و gipc طراحی گردیده و نتایج آن ها با یکدیگر و نیز با کنترل کننده pid مقایسه شده است. با توجه به تفاوت های موجود میان بیماران و همچنین وجود تأخیر، کنترل کننده pid، عملکرد مناسبی نداشته است. اما با استفاده از روش های کنترل پیش بین مبتنی بر مدل علاوه بر آنکه بهبود مناسبی در میزان مقاوم بودن سیستم کنترل نسبت به تغییرات پارامترهای بیمار مشاهده گردید، میزان داروی مصرفی و مدت زمان لازم برای بیهوش شدن بیمار نیز بهبود یافت. نتایج بدست آمده در این تحقیق نشان داد که کنترل کنندهgpc ، در فاز القای بیهوشی عملکردی مشابه با روشهای رایج که توسط فرد متخصص انجام می گردد، دارد.

اساس این پژوهش استفاده از بررسی امکان استفاده از روشهای پیش بین مبتنی بر مدل محیط دینامیک در شبیه سازی نحوه تولید مسیر حرکات در انسان است.تئوریهایی برای نحوه تولید مسیر در موجودات زنده پیشنهاد شده است. نکته ای که کمتر در این پژوهش به آن توجه شده است پیش بینی آینده با توجه به قیود ( مانند مدل حرکت موانع، دینامیک سیستم و محیط) است.

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.

فرآیند بیهوشی به عنوان یکی از ارکان اساسی در انجام عمل جراحی محسوب می گردد. این فرآیند را می توان به صورت نبود پاسخ و یا عکس العمل به تحریکات ناخوشایند تعریف نمود که شامل سه رکن اساسی عدم هوشیاری (عمق بیهوشی)، عدم احساس درد و شل شدن عضلات می باشد. با وجود پیشرفت های همه جانبه علوم و فنون پزشکی ، هنوز یکی از عمده ترین مشکلات متخصصان بیهوشی، اطمینان نداشتن از انجام صحیح این فرایند است. از این رو متخصصان هم چنان به دنبال راه حلی برای اطمینان از انجام صحیح بیهوشی هستند. استفاده از روش های کنترل خودکار برای این منظور مناسب می باشد. در واقع هدف سیستم کنترل خودکار بیهوشی، تعیین نرخ داروی تزریقی به بیمار، به منظور دستیابی به عمق مناسبی از بیهوشی است. لذا در چنین سیستمی نیاز به معیاری جهت تعیین عمق بیهوشی می باشد. معیارهای مختلفی به این منظور ارائه شده اند که یکی از مناسب ترین آنها، آنالیز bis است که در این پایان نامه نیز به عنوان شاخص تعیین عمق بیهوشی مورد استفاده قرار گرفته است. بیهوشی فرآیندی غیرخطی به همراه تاخیر است، یک سری محدودیت ها در روند بیهوشی وجود دارند که در تعیین نرخ داروی تزریقی-سیگنال کنترلی باید مورد توجه قرار گیرند. به علاوه کنترل کننده مورد استفاده باید از مقاومت کافی برخوردار باشد تا در مقابل تغییر شرایط بیمار در حین عمل جراحی و یا خطای تخمین پارامترهای مدل، دچار نقص در عملکرد نشود. کنترل کننده پیش بین مبتنی بر مدل (mpc) گزینه ای مناسب برای کنترل این فرآیند است. در کارهای انجام شده تا کنون از مدل جامعی که مشتمل بر محدودیت ها تزریق و تفاوت های فردی بیمار باشد استفاده نگردیده است. در ضمن عموما از فاز القای بیهوشی صرف نظر شده و صرفا فاز نگهداری در نظر گرفته شده است. با توجه به این نکات، هدف این پایان نامه آن است که با طراحی کنترل کننده ای پیش بین و استفاده از یک مدل فارماکوکینتیک-فارماکودینامیک که پارامترهای فردی بیمار نیز تا حد امکان در آن لحاظ شده است، بیمار در سطح مطلوب بیهوشی قرار گیرد. در این تحقیق، کنترل کننده هایی با استفاده از روش های مختلف mpc مانند : gpc, edmc و gipc طراحی گردیده و نتایج آن ها با یکدیگر و نیز با کنترل کننده pid مقایسه شده است. با توجه به تفاوت های موجود میان بیماران و همچنین وجود تأخیر، کترل کننده pid عملکرد مناسبی نداشته است. اما با استفاده از روش های کنترل پیش بینی مبتنی بر مدل علاوه بر آنکه بهبود مناسبی در میزان مقاوم بودن سیستم کنترل نسبت به تغییرات پارامترهای بیمار مشاهده گردید، میزان داروی مصرفی و مدت زمان لازم برای بیهوش شدن بیمار نیز بهبود یافت. نتایج بدست آمده در این تحقیق نشان داد که کنترل کننده gpc، در فاز القای بیهوشی عملکردی مشابه با روشهای رایج که توسط فرد متخصص انجام می گردد دارد.

در سالیان اخیر با پیشرفت ابزارهای آزمایشگاهی و آزمایشات انجام گرفته، شواهد تجربی کنترل امپدانس و کنترل مدل مبنا که بعنوان یکی از تئوری های اساسی در علم کنترل حرکات شناخته می شود، در حال ارائه هستند. در رساله حاضر تلاش در جهت رسیدن به شناختی جامع از سیستم کنترل حرکات و نحوه یادگیری موجود در این سیستم است. با توجه به کترل امپدانس و نقش آن در حفظ موقعیت و انجام حرکت نقش یادگیری در تنظیم امپدانس مفاصل با توجه ویژه به نقش همفعالینی عضلات در تنظیم امپدانس مورد بررسی واقع شد. با توجه به یادگیری یک حرکت مهارتی در انسان و انجام سریع و دقیق این حرکات نیاز به کنترل جلوسو و بر مبنای مدلی از دینامیک حرکت و محیط احساس گردید. بر مبنای نتایج تجربی و شواهد موجود، در ابتدای یادگیری که مدل در دسترس سیستم کنترل حرکات از دینامیک حرکت دقیق نمی باشد، سیستم کنترل با بالا بردن سطح همفعالیتی عضلات و در نتیجه از دباد امیدانس توانایی مقابله سیستم را با اغتشاشات خارجی و یا انحراف سیستم در اثر فرمان حرکتی نامناسب افزایش می دهد ولی این افزایش امپدانس در ازای هزینه متابولیکی بالای همفعالیتی حاصل می شود. بمرور زمان که مدل درونی سیستم از دینامیک محیط اطراف کامل می شود، امپدانس مفصل کاهش یافته و کار کنترل حرکات توسط کنترل مدل مبنا انجام می شود. به منظور هماهنگی این کنترل کننده ها یک کنترل کننده سرپرستی با استفاده فازی یادگیرنده طراحی و پیاده سازی شده است. این کنترل وظیفه تشخیص عملکرد کنترل کننده های امپدانسی و پیش بین را دارد تا بر این اساس نسبت به تنظیم بهینه امپدانس حرکت و نقش هر یک از کنترل کننده ها در انجام حرکت اقدام نماید. نتایج بدست آمده از شبیه سازی های انجام شده نشان دهنده نیاز به امپدانس مناسب هر حرکت علاوه بر داشتن مدل درونی از حرکت می باشد. همچنین نشان داده شده است که یادگیری در میدان نیروی ناپایدار سا بطور قابل ملاحظه ای توسط کنترل کننده امپدانسی صورت می گیرد و یادگیری چنین دینامیکی در قسمت مدل مبنا دشوار و عملا غیر ممکن می باشد. این نتایج بیان کننده توانایی بالای سیستم پیشنهادی برای یادگیری اعتشاشات اعمالی در اجرای حرکت و بهینه ساختن تعامل بین کنترل کننده امپدانسی و کنترل کننده مدل مبنا می باشد.