سرطان سینه یکی از شایع ترین سرطان ها در بین زنان است. در بسیاری از مواقع، هیچ علائم آشکاری در بیماران مبتلا به سرطان سینه مشاهده نمی شود. تشخیص دقیق سرطان سینه در مراحل اولیه برای کاهش مرگ و میر امری ضروری است. ماموگرافی به عنوان یک روش استاندارد بیش از 40 سال است که در تشخیص بیماری های سینه مورد استفاده قرار گرفته است. برای جلوگیری از تجزیه و تحلیل های ذهنی تصاویر ماموگرافی توسط رادیولوژیست ها و افزایش دقت آشکارسازی سرطان سینه، سیستم های مبتنی بر هوش مصنوعی در سال های اخیر مورد توجه زیادی قرار گرفته اند. در این مطالعه با ترکیب الگوریتم کرم شب تاب و اعمال پیش پردازش های مناسب بر روی تصویر به آشکارسازی سرطان سینه در تصاویر ماموگرافی پرداخته شده است. در این مطالعه، از تصاویر ماموگرافی موجود در مجموعه داده DDSM استفاده شد. 3 معیار عملکردی صحت، حساسیت و دقت (%4/93، 91%، 95% ) برای تجزیه و تحلیل عملکرد تشخیص استفاده شد. اثر پیشنهادی در مقایسه با کارهای موجود در ادبیات عملکرد بهتری نشان می دهد Manuscript profile

فشار خون بالا از عوامل خطرساز بیماری های عروق کرونر قلب است که به بدن آسیب جدی می رساند. تشخیص به موقع بیماری فشار خون می تواند فرد را از عوارض این بیماری مصون دارد. از روش های غیرتهاجمی اندازه گیری فشار خون، روش نوسان سنجی است. این روش با اندازه گیری نوسانات ایجاد شده از تقابل فشار شریان و فشار کاف پیچیده شده به دور بازو، اقدام به تخمین مقادیر فشار خون می نماید.در این پژوهش هدف ایجاد یک بستر نرم افزاری برای شبیه سازی رفتار رگ و کاف است که بتوان از آن برای بررسی عملکرد الگوریتم های مختلف اندازه گیری فشار خون به روش اسیلومتریک استفاده کرد. در این راستا، تمام اجزاء اعم از کاف، شریان بازویی، چگونگی استخراج نوسانات از منحنی فشار خون و تخمین فشارهای سیستول و دیاستول مدل سازی خواهند شد. با پیاد ه سازی مدل سازی در نرم افزار متلب می توان بدون نیاز به محیط کلینیکی، اندازه گیری فشار خون را مورد ارزیابی قرار داد. با وارد نمودن مشخصات اصلی فشار شریان به عنوان ورودی، می توان در خروجی پارامترهای فشار خون را به دست آورد.خروجی مدل سازی با نمونه های واقعی 50 مورد اندازه گیری شده مورد مقایسه و دقت تخمین فشارهای سیستول و دیاستول به ازای دو الگوریتم حداکثر نوسان و حداکثر/حداقل شیب با در نظر گرفتن مقادیر واقعی بررسی شد. نتایج حاصل از مقایسه عملکرد مدل سازی با مقادیر اندازه گیری شده حاکی از آن است که الگوریتم حداکثر نوسان، عملکرد مناسب تری نسبت به الگوریتم حداکثر/حداقل شیب دارد. مقدار متوسط خطا در الگوریتم حداکثر نوسان برای فشار حداکثر نوسان (MAP)، سیستول و دیاستول به ترتیب برابر با 64/0±9/1، 82/0±6/1 و1/5±8/6 به دست آمده است. Manuscript profile

اعتیاد به مواد مخدر سبب ایجاد تغییرات ساختاری و عملکردی در مغز انسان می گردد و می توان آن را به عنوان یک بیماری مزمن در نظر گرفت. تاکنون مطالعات مختلفی جهت بررسی اعتیاد بر روی سیگنال الکتروانسفالوگرام (EEG) انجام شده که از نظر روش، شرایط تجربی، نمونه ها و نتایج متفاوت هستند. بررسی مطالعات قبلی و روش های تجربی جهت بررسی بهتر مسائل و چالش های موجود در طراحی مطالعات اعتیاد ضروری است. سیگنال الکتروانسفالوگرام، به عنوان یک ابزار غیرتهاجمی دارای توانایی بالقوه جهت بررسی فعالیت عملکردی و شناختی مغز است. از الکتروانسفالوگرام می توان جهت بررسی ارتباط تغییرات ایجاد شده در مغز در اثر مصرف مواد مخدر استفاده کرد. در این مقاله به بررسی تغییرات ایجاد شده در سیگنال الکتروانسفالوگرام در اثر مصرف مواد و همچنین پس از ترک مواد مخدر اشاره خواهد شد. نتایج نشان می دهد که مصرف مواد مخدر سبب کاهش پردازش توجه و ایجاد اختلالات عملکردی و ناهنجاری های مغزی می گردد. در افراد معتاد افزایش فعالیت زیرباندهای بتا و دومین زیرباند آلفا، تأخیر در رخداد و کاهش دامنه P300 مشاهده شده است. همچنین نسبت توان زیرباند آلفا به تتا در T6 کاهش نشان داده و اختلاف معنا دار در زیرباند دلتا به زیرباند آلفا در نسبت توان مشاهده شده است. یافته ها نشان می دهند که ولع و سابقه مصرف مواد افراد بر توان سیگنال الکتروانسفالوگرام تأثیر می گذارد. فعالیت عصبی در زیرباند آلفای افرادی که اعتیاد را ترک کرده اند نیز به طور معنی داری در لوب پاریتال (BA3 و BA7)، لوب فرونتال (BA4 و BA6) و لوب لیمبیک (BA24) ضعیف تر است. Manuscript profile

This study was conducted according to the British Standard EN ISO 81060-2 guidelines. The aim was to validate the Saadat non-invasive blood pressure (NIBP) module accur a c y and reliability against manual auscultatory general practitioners (GP), read in g s. A total of 298 measurements and comparison proced ur es were performed on 95 adults without heart disease under the supervision of two GPs. In order to represent the relationships between the test device and the reference method, the Bland-Altman graphical plotting method was used. The mean differences and standard deviations (mean ± SD differences) between the readings of the Saadat NIBP module and determination of GPs as the reference method for systolic and diastolic were exceptionally close with: -2.22 ± 6.51 mmHg and -3.31±6.27 mmHg respectively. The Saadat NIBP module fulfilled the BS EN ISO 81060-2 requirements, which states that the mean ± SD of lower than 5±8 mmHg can be recommended for clinical use. Manuscript profile

In this paper, an automated method for identifying the overall range of the tumor and extracting the starting point of brain tumors in Magnetic Resonance Imaging is presented. In this study, images of patients with glioblastoma multiforme were used. By first combining the features of the four MRI modalities, annoying areas such as the eyes, skull, and cerebrospinal fluid that may be problematic are removed. Brain tumors are highly bright in T1-Post images and dark in T1 images. Therefore, calculating the difference between these two images improves the resolution of the tumor area. After performing preprocessing and increasing the resolution of the tumor area, the enclosed frame (BB) algorithm is used. This algorithm is an automatic and fast segmentation method that determines the location of the tumor and its approximate size. After finding the presence of the tumor, the firefly algorithm is used to find the initial point of the tumor. By defining the objective function of moving fireflies to a point that has the maximum light intensity, we can find the point where the probability of a tumor is high. Next, using the growth of the tumor area, the entire tumor area can be extracted. The results show the appropriate speed and accuracy of the proposed method. Manuscript profile