دانلود تحقیق شبکه های عصبی Neural Network 16ص

اختصاصی از سورنا فایل دانلود تحقیق شبکه های عصبی Neural Network 16ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 16

شبکه های عصبی Neural Network

شبکه‌های عصبی مصنوعیArtificial Neural Network

چکیده:شبکه‌های عصبی مصنوعی از مباحث جدیدی است که دانشمندان علوم کامپیوتر به آن علاقمند شده‌اند و برای پیشرفت هرچه بیشتر علوم کامپیوتر وقت و هزینه بسیاری را صرف آن کرده و می‌کنند. این موضوع با ایده گرفتن از سیستم عصبی بدن انسان و با هدف شبیه‌سازی هرچه بیشتر کامپیوتر به انسان شکل گرفت و تا حال به خوبی پیشرفته است. از جمله کاربردهای این بحث می‌توان از شناسایی الگوها, پردازش تصویر و رویت, هوش مصنوعی, کنترل رباتها و موارد بسیار دیگر نام برد. ما در این مقاله پس از مقدمه به مسائل در خور شبکه‌های عصبی مصنوعی و نیز کاربردهای آن خواهیم پرداخت, در ادامه Perceptron ها را که یکی از مهمترین الگوریتم‌های شبکه‌های عصبی مصنوعی می‌باشد معرفی می‌کنیم.

1- مقدمه1-1- ایده پیدایش شبکه‌های عصبی مصنوعیآیا کامپیوتر میتواند همان نوع از محاسباتی را که یک فرد هوشمند انجام میدهد به کار گیرد؟بسیاری از دانشمندان عقیده داشته ودارند که این بحث باید مورد توجه قرار گیرد. شبکه‌های عصبی در حل مسائل یک جهت جدید و متمایز نسبت به کامپیترهای عمومی می‌گشود. کامپیوترهای عمومی از یک الگوریتم استفاده می‌کنند یعنی برای حل مسائل از یک سری دستورات از پیش تعیین شده پیروی می‌کنند مگر در مواقع ویژه‌ای که کامپیوتر نیاز به یک‌سری اطلاعات برای حل مسئله دارد. و همین مسئله توانایی پردازش را از کامپیوترهای عمومی به مسائلی که ما قبلا فهمیده‌ایم و روش حل آنها را شناخته‌ایم محدود می‌کند و تنها سرعت عمل و قدرت در حل نمونه‌های بزرگتر را به همراه دارند. اما کامپیوترها باید به قدری مفید باشند که بتوانند کارهایی را انجام دهند که واقعا ما نمی‌دانیم چگونه باید آنها را انجام دهیم.1-2- بررسی سلولهای مغزی افرادتحقیق درباره سلولهای مغزی افراد و همچنین شناخت ‌‌Neuron ها یا رشته‌های مغزی وبیان یک راه نسبتا متفاوت که یک سیستم هوشمند را بنا می‌کند شروع شد. مغز بشر متشکل از میلیونها نرون عصبی منحصر بفرد است واین رشته‌های عصبی به اشکال و اندازه‌های مختلف تغییر می‌کنند.. هر نرون عموما یک هسته دارد و یک‌سری سلولهای عصبی Axon (آکسون)ـ که علائم خروجی را به سلولهای عصبی نرون دیگر حمل می‌کنندـ و Dendrite ها (شاخه‌های سلولهای عصبی). علائم در سلولهای عصبی میان شاخه‌های سلولهای عصبی ونواحی خروجی جریان دارند.در اینجا برای حالت برانگیزش باید آشفتگی از یک حدی تجاوز کند که آستانه یا سرحد نامیده می‌شود و پس از برانگیزش نرون‌ها پیامهایی برای نرون‌های دیگر می‌فرستند و خود را برای دریافت و پاسخ به اطلاعات عمومی آماده می‌کنند.

1-3- تاریخچهشبکه‌های عصبی دهها سال است که جلب توجه می‌کنند وتاکنون راه حلهایی برای استفاده از هوش بشری ارائه شده است. اولین نرون مصنوعی درسال 1943 توسط نروفیزیولوژیست وارن‌مک‌کالوک و منطق دان والتر‌پیتز تولید شد.در دهه 60 به دلایلی که خارج از بحث این مقاله است مردم به‌سوی شبکه‌های عصبی متمایل شدند و تنها در دهه 80 دانشمندان توانایی‌های واقعی شبکه‌های عصبی را دیدند.2- شبکه‌های عصبی مصنوعی2-1- شبکه‌های عصبی مصنوعیشبکه‌های عصبی شبیه به مغز انسان اطلاعاتی را پردازش می‌کنند. شبکه‌ از تعداد زیادی سلولهای عصبی(Neuron ها) تشکیل شده با پردازشی بسیار بزرگ و به‌هم پیوسته که در حل موازی مسائل ویژه مشغول به کارند.یادگیری شبکه‌های عصبی از طریق مثالهاست. آنها برای انجام یک کار خاص برنامه‌ریزی نشده‌اند. مثالها باید با دقت بسیار بالایی انتخاب شوند والا زمان مفید هدر خواهد رفت و یا حتی ممکن است شبکه به طور ناقص دایر شود و در اینجا راهی برای فهمیدن اینکه سیستم معیوب است یا خیر وجود ندارد مگر اینکه خطایی رخ دهد.شبکه‌های عصبی مصنوعی یک ترکیبی از مجموعه نرون‌هاست و البته نرونهای مصنوعی‌ای که بسیار شبیه به نرونهای زیستی کار می‌کنند. و بدین گونه است که ورودیهای زیادی با وزنهای مختلف می‌گیرد و یک خروجی که به ورودی وابسته است تولید می‌کند. نرونهای زیستی می‌توانند در حال برانگیزش باشند یا نباشند. ( وقتی یک نرون برانگیخته می‌شود ضربه علائم خروجی آن مقداری کمتر از 100 هرتز است)شبکه‌های عصبی استفاده وسیعی در شناسایی الگوها دارند زیرا از خودشان قابلیت آن را دارند که بطور عمومی به ورودی‌های غیر منتظره نیز پاسخ دهند. در طول ساخت نرونها می‌آموزند که چگونه الگوهای ویژه گوناگون را تشخیص دهند. اگر الگویی پذیرفته شود در حالی که در طول اجرا ورودی با خروجی مرتبط نباشد، نرون از مجموعه‌ای از الگوهایی که سابقا آموخته خروجیی را که شبیه به الگو می‌باشد وکمترین تفاوت را با ورودی دارد انتخاب می‌کند. این روال عموما فراخوانی می‌شود.مثال:وقتی که ورودی نرون 1111 باشد چهار ورودی بر حسب برانگیزش مرتب شده‌اند و وقتی ورودی‌های 0000 را داریم نرون برای برانگیزش مرتب نیست. قاعده عمومی این است که نرونها مایلند برانگیخته شوند وقتی که ورودی‌ها 0111 ، 1011 ، 1101 ، 1110 یا 1111 باشند و در صورتی که ورودی آنها 1000 ، 0001 ، 0010 ، 0100 یا 0000 باشند مایل به برانگیخته شدن نیستند.شناسایی الگوهای پیچیده سطح بالا می‌تواند به وسیله شبکه‌ای از نرونها انجام شود و بدین ترتیب نام آن را شبکه‌های عصبی مصنوعی گذاشتند. اکنون شبکه‌های عصبی کاربردهای زیادی دارند(درمنطق وکلام و شناسایی عکسها)البته شناسایی الگوهامی‌تواند به‌طور موفقیت آمیز بر روی کامپیوترهای عمومی انجام شود. این شبکه‌های عمومی که برای شناسایی الگوها استفاده می‌شوند Feed-Forward نامیده می‌شدند زیرا آنها یک بازخورد (Feed-Back) داشتند. آنها به‌طور ساده ورودی‌ها را با خروجی‌ها می‌آمیختند. اما شناسایی الگوها به تدریج کاملتر شد به‌طوریکه بر روی کامپیوترهای عمومی با سیستم خاص خودشان به‌سختی انجام می‌شد پس برای شناسایی الگوها شبکه‌های Feed-Forward کافی نبودند.در شبکه‌های عصبی خروجی هر نرون به ورودی نرونهای مجاورش متصل شده است. شبکه‌های عصبی نمی‌توانند معجزه کنند اما اگر به درستی استفاده شوند نتایج شگفت‌انگیزی خواهند داشت.2-2- مشخصات مسائل در خور شبکه‌های عصبی مصنوعی ANN(Artificial Neural

تحقیق و بررسی در مورد دیدگاه رشد عصبی در آموزش و یادگیری 7 ص

اختصاصی از سورنا فایل تحقیق و بررسی در مورد دیدگاه رشد عصبی در آموزش و یادگیری 7 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 12

دیدگاه رشد عصبی در آموزش و یادگیری

مغز انسان مثل یک ارکستر پیچیده است. نقشها و فعالیتهای آن، یعنی همان عملکرد های عصب شناختی، به شدت به هماهنگی، کنار هم قرار دادن و همزمان کردن احتیاج دارد.درست مانند هر ارکستر دیگری، نقش هر نوازنده بنابر موقعیت تغییر می‌کند. و همان طور که گاهی نقش سازهای زهی یا بادی در موسیقی پر رنگ تر می‌شود، عملکردهای عصب شناختی متفاوتی به هنگام خواندن زبان،ریاضی، گزارش نوشتن یا ورزش کردن تعیین کننده می‌شوند.همان طور که در یک ارکستر، سازها ایجاد هارمونی می‌کنند، عملکردهای عصب شناختی متفاوت با هم تعامل می‌کنند تا دانش آموز قادر به کسب دانش، مهار یا زیر مهارت‌ها باشد یا بتواند فعالیتهای خاص مدرسه مثل سازمان دهی، طرح ریزی کارا و استراتژیک را انجام دهد.وقتی دانش آموزان در یادگیری یک مهارت آکادمیک خاص به مشکل بر می‌خورند؛ والدین، معلمان و متخصصان باید ناحیه بروز مشکل را معین کنند تا زیر مهارتهای ضعیف مشخص شده و برنامه ای برای قوی کردن نواحی قدرت و نواحی دارای نیاز به بهبود، طراحی گردد.در اینجا لازم است از خودمان بپرسیم: نقطه بروز اختلال کجاست؟ کدام زیر مهارت نقش خود را به خوبی ایفا نمی کند؟ و در هر زیر مهارت کدام عملکرد‌ها خوب کار نمی کنند؟ مثلاً دانش آموزانی با مهارتهای واژگانی و توانایی حافظه ای قوی ممکن است در به یاد آوردن کلمات مشکل داشته باشند. در این حالت، احتمال دارد که مشکل در توانایی بازیابی لغت باشد، زیر مهارت بسیار خاصی که یاد آوردن لغات در یک آن را ممکن می‌سازد.پرونده رشد عصبیبچه‌ها در هر لحظه از زندگی با "پرونده رشد عصبی" شان به مدرسه می‌آیند. این پرونده‌ها در اصل، نمودار تعادل نقاط ضعف و قوت هر فرد در عملکردهای عصب شناختی مختلف است. هر پرونده کار کردن در برخی حوزه‌ها را ساده می‌کند و در کار بعضی نواحی مانع پدید می‌آورد. بعضی بچه‌ها نقاط قوتی دارند که باعث می‌شود در شش سالگی سرآمد و موفق باشند اما در دبیرستان کارایی ضعیفی پیدا کنند. بعضی دیگر از بچه‌ها در سالهای ابتدایی مشکل دارند و در سالهای بعدی به موفقیت می‌رسند. با تغییر توقعات ما در طول زمان، کارکرد دانش آموزان هم تغییر می‌کند.برای فهم بهتر اینکه چطور پرونده رشد عصبی در هر زمان، یادگیری و کارکرد بچه‌ها را تحت تأثیر قرار می‌دهد، این پرونده‌ها را به چند "ساخت عصب شناختی" تقسیم می‌کنیم. هر ساخت، به گروهی از عملکردهای عصب شناختی مرتبط است. این ساخت‌ها به ما کمک می‌کند تا فکر کردن و ارتباط برقرار کردن درباره تفاوتهای یادگیری را سازمان دهی کنیم، چون بر نقشها و تعامل های عملکردهای عصب شناختی با توجه به رفتارهای خاص ، تمرکز می‌کنند. آنها باعث انعطاف پذیری در راههای ارزیابی تفاوتهای یادگیری و مشخص کردن نواحی اختلال یادگیری و

مدل سازی رآکتور شیمیایی با شبکه‌های عصبی مصنوعی 147 ص

اختصاصی از سورنا فایل مدل سازی رآکتور شیمیایی با شبکه‌های عصبی مصنوعی 147 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 149

دانشگاه آزاد اسلامی

واحد سمنان

«مدل سازی رآکتور شیمیایی با شبکه‌های عصبی مصنوعی»

ارائه شده به گروه مهندسی مکانیک

جهت دریافت درجه کارشناسی

تحت نظر :

مهندس محمود براتی

مهندس مرتضی محمد ظاهری

توسط:

« فرهاد احدی کلو »

« آبان ماه سال یک هزار و سیصد و هشتاد و شش »

چکیده:

در این پروژه، ورودی‌ها و خروجی‌های یک سیستم چند ورودی و چند خروجی غیر خطی، برای ایجاد یک مدل دینامیکیِ هوشمند، استفاده شده است. بنابراین انتخاب شبکه‌های عصبی مصنوعی از نوع پرسپترون‌های چندلایه برای این منظور مناسب است. در کنار این نوع از مدل‌سازی، استفاده از یک شیوه‌ی مناسب برای کنترل پیشگویانه (پیش بینانه)ی مدل یاد شده، ضروری است.

مدل‌های برگشتی تصحیح شونده که از قوانین تعدیل ماتریس‌های وزنی مسیرهای ارتباطی بین نرون‌های مدل استفاده می‌کنند، در این پروژه به کار گرفته شده‌اند.

این قوانین برای آموزش سیستم، جهت کنترل و دستیابی به خروجی مطلوب در زمان‌های بعدی به کار می‌روند.

فراگیری در این سیستم نیز از نوع فراگیری با سرپرست می‌باشد؛ به این صورت که معادله‌ی دیفرانسیل دینامیکیِ سیستم در دسترس است و بنابراین مقادیر مطلوب برای متغیر هدف، که سیستم باید به آن برسد، برای زمان‌های آینده مشخص می‌باشد و خروجی سیستم با استفاده از یک کنترل‌کننده‌ی پیش‌بین، همواره باید به این اهداف دست یابد. سیستم مورد مطالعه در این پروژه، یک رآکتور شیمیایی است که برای اختلاط پیوسته‌ی مواد شیمیایی واکنش دهنده با غلظت‌ها و مقادیر تعریف شده و تولید یک ماده‌ی محصول با یک غلظت متغیر با زمان به کار می‌رود؛ که میزان مطلوب این غلظت در یک زمان خاص، به‌عنوان هدف مطلوبی است که سیستم باید به آن دست یابد.

همچنین به‌جای یک سیستم واقعی، از یک مدل نرم‌افزاری برای جمع‌آوری داده‌های ورودی و خروجی استفاده می شود و در نهایت، نتایج این مدل سازی موفقیت‌آمیز، توانایی روش‌های مدل سازی هوشمند را همان‌گونه که در این تحقیق آمده است، اثبات می‌کند.

کلمات کلیدی: هوش مصنوعی، شبکه های عصبی مصنوعی، رآکتور شیمیایی، کنترل پیش‌بین، نرون، پتانسیل فعالیت، پرسپترون چندلایه غیر خطی، تورش، سیستم‌های غیر خطی، بازشناسی الگو، دستگاه‌های طبقه‌بندی خطی و غیر خطی، قاعده‌ی پس انتشار خطا، تعدیل ضرایب وزنی، شبیه‌سازی، مدل دینامیکی کامل / ناکامل شبکه‌‌ی عصبی مصنوعی

KEY WORDS: Artificial Intelligence, Artificial Neural Networks, Chemical Reactor, Predictive Control, Neuron, Action potential, Nonlinear Multilayer perceptrons, Bias , Nonlinear systems, Pattern Recognition, linear and Nonlinear classifiers, Backpropagation Rule, Adjusting the Connection Weights, Simulation, complete / Incomplete Artificial Neural Network models.

فصل اوّل:

مقدمه

تحقیق و بررسی در مورد طبقه بندی بیماریهای عصبی

اختصاصی از سورنا فایل تحقیق و بررسی در مورد طبقه بندی بیماریهای عصبی دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 12

طبقه بندی بیماریهای عصبی-عضلانی بر اساس معیار های بالینی، آنالیزهای ملکولی

 و ایمونوهیستوشیمی در بیماران ایرانی

چکیده

هدف: بیماریهای عصبی عضلانی  یک گروه هتروژنوس از بیماریهای وراثتی است. بیش از 150 نوع از این گروه از بیماریها تاکنون شناسایی شده است. اگر چه اختلالات عضلانی کودکان یکی از علل اصلی ناتوانی می‌باشد، پیشرفتهای چشمگیری در زمینه علل ژنتیکی این بیماریها صورت گرفته است،که در زمینه پیشگیری و تشخیص آن بسیار مهم می‌باشد. معیارهایی که برای طبقه بندی این بیماریها استفاده می‌شود عبارتند از: سن بروز بیماری، میزان پیشرفت بیماری و نوع وراثت.

بیماریهای عصبی عضلانی به چهار دسته طبقه بندی می‌شوند:

میوپاتیها (بیماریهای دیستروفی عضلانی)؛ نوروپاتی‌ها (بیماری شارکوت ماری توث) بیماریهای محل اتصال عصب و عضله (سندرم میاستنی مادرزادی)، بیماریهای نورون حرکتی(آتروفی عضلانی نخاعی).

هدف از این مطالعه طبقه بندی بیماریهای عصبی عضلانی بر اساس معیارهای بالینی و آنالیزهای مولکولی و ایمنو هیستو شیمی در بیماران ایرانی مراجعه کننده به مرکز تحقیقات ژنتیک است. از آنجایی که بیماریهای عصبی – عضلانی دومین معلولیت شایع می‌باشد لزوم بررسی بیشتر در مورد این گروه از بیماریها، در جمعیت ایران ضروری می‌باشد. بدین ترتیب این مطالعه برای اولین بار بر روی بیماران ایرانی صورت گرفت  که پس از اخذ فرم رضایت نامه بررسی‌های ذکر شده انجام گردید.

روش بررسی: در مجموع در این تحقیق 143 بیمار مشکوک به نقصهای عصبی عضلانی ارجاع شده به مرکز تحقیقات ژنتیک تحت معاینه بالینی و انجام آزمایشات آنزیم‌های عضلانی و الکترومیوگرافی قرار گرفتند و پس از آن بر حسب مورد آزمایشات ملکولی و ایمونوهیستوشیمی انجام گرفت.

یافته‌ها: 82  بیمار با دیستروفی عضلانی میوتونیک، 19 بیمار با  دیستروفی عضلانی دوشن و بکر، 6 بیمار دیستروفی میوتونیک مادرزادی(CMD)، 3 بیمار FSHD، 10 بیمار آتروفی عضلانی نخاعی (SMA)،2 بیمار دیستروفی میاستنی مادرزادی (CMS) و21 بیمار مشکوک به دیستروفی عضلانی کمربند لگنی- شانه‌ای (LGMD) بودند.

در مورد سایر موارد نیاز به بررسی مولکولی بیشتر و بررسی دقیق تر برحسب علایم بود که در این تحقیق جای نمی‌گرفت.

نتیجه‌گیری: در مواردی که دیستروفی میوتونیک نوع I علیرغم ظن بالینی تایید نگردید، بررسی نوع II دیستروفی میوتونیک ضروری می‌باشد.

در بیماران مبتلا به دیستروفی عضلانی کمربند لگنی- شانه ای که 5 آنتی بادی مورد بررسی طبیعی بودند. بررسی آنالیز Multiplex western-blot توصیه می گردد.

همچنین برای موارد دیستروفی عضلانی مادرزادی غیر از بررسی مروزین،‌ بررسی سایر پروتئین های درگیر و نیز انجام آزمایشات ملکولی جهت تعیین موتاسیون لازم می‌باشد.

کلید واژه‌ها: بیماریهای عصبی/ عضلانی / میوپاتی / نوروپاتی / آنالیز ایمونوهیستوشیمی / آنالیز ملکولی

کیمیا کهریزی

ماندانا حسن زاد

 الهه کیهانی

مجتبی عظیمیان

فریدون لایقی

افشین وجدانی روشن

یوسف شفقتی

جان آندونی اورتیزبرا

دانیل هنتای

INSERM ، پاریس- فرانسه

حسین نجم آبادی

مرکز تحقیقات ژنتیک دانشگاه علوم بهزیستی و توانبخشی- تهران- ایران 

مقدمه

بیماریهای عصبی عضلانی یک گروه از اختلالات هتروژن پیشرونده هستند و دارای هتروژنیتی قابل ملاحظه ای می‌باشند. بر اساس اطلاعات موجود از هر 3000 تا 4000 نوزادی که متولد می‌شوند یک‌نفر دچار یکی از بیماریهای عصبی – عضلانی (نوروماسکولار) می‌باشد. ویژگی مبتلایان این است که معمولاً دستگاه عصبی مرکزی و توان ذهنی طبیعی،‌اما بخش حرکتی بدن گرفتار است. نشانه های عمده در این بیماران عبارتست از: ضعف عضلات در دستها و پاها و گاهی تنه و عضلات خارجی چشم ،مشکل در برخاستن، ایستادن، راه رفتن و بالا رفتن از پله ها ،خستگی زودرس ،ضعف و نارسایی عضلات قلب و تنفس در مراحل پیشرفته. تقریباً می توان گفت که اکثر بیماریهای عصبی- عضلانی ارثی- ژنتیکی هستند . جهش‌های ژنی و اختلال در پروتئین‌هایی که بخصوص درعضلات  وجود دارند، ‌مسئول بروز علائم می‌باشند. الگو های توارثی در انواع مختلف این بیماریها با یکدیگر متفاوتند، ممکن است غالب جسمی، مغلوب جسمی، وراثت وابسته به جنس یا میتوکندریایی باشد. بنابراین بررسی دقیق افراد مبتلا در یک خانواده برای شناخت الگوی وراثتی بیماری و تشخیص بیماران می تواند بسیار مفید باشد.

بیماریهای بافت عضلانی را به هر علت که باشند، میوپاتی می نامند. میوپاتی ها انواع گوناگونی دارند که یک گروه از آنها را دیستروفی تشکیل می دهد. دیستروفیهای عضلانی شایعترین بیماریهای عضلات می باشند که از زمانهای قدیم، بشر به آنها مبتلا بوده است. 

به دلیل پیچیدگی علائم و تشابه نشانه‌ها در انواع متفاوت این بیماریها، تشخیص قطعی چندان آسان نیست. بررسی‌های آزمایشگاهی شامل سنجش آنزیم‌های عضلانی، اندازه گیری سرعت هدایت امواج عصبی در اعصاب محیطی، ثبت امواج پتانسیل حرکتی در عضلات، اندازه گیری حجم توده عضلانی طبیعی و غیر طبیعی با سونوگرافی یا سی تی اسکن، و در نهایت برای تشخیص قطعی،‌ بیوپسی از عضلات مبتلا می‌باشد. امروزه با رنگ‌آمیزی اختصاصی با روش ایمونوهیستوشیمی و به کارگرفتن آنتی بادی های مونوکلونال برای ترکیبات پروتئینی متنوع موجود در بافت عضله، می توان دقیقاً‌ زمینه پاتوژنتیک و علت بیماریهای عضلانی را شناسایی کرد، سپس برای تعیین جهش‌های مربوطه در فرد بیمار و خانواده او گام برداشت. چنانچه جهش مسئول بیماری در یک خانواده شناسایی شود، امکان تشخیص قبل از تولد و پیشگیری از تولد مورد دیگری از بیماری فراهم خواهد شد.

بیماریهای عصبی عضلانی به چهار دسته طبقه بندی می شوند:

1- میوپاتی‌ها که شامل دیسترونی‌های عضلامی می‌شوند: 1- بیماریهای دیستروفی عضلانی 2- نوروپاتی ها 3- بیماریهای محل اتصال عصب و عضله، 4- بیماریهای نورون حرکتی. از انواع دیستروفی‌های عضلانی می‌توان به دیستروفی عضلانی دوشن و بکر اشاره نمود. از انواع  اختلالات  محل اتصال عصب عضله می‌توان به سندرم میاستنی مادرزادی اشاره نمود و از اختلالات نورون حرکتی می‌توان به آتروفی عضلانی– نخاعی و از انواع نوروپاتی میتوان به CMT شارکوت ماری توث اشاره نمود.

ازانواع میوپاتی‌ها (دیستروفیهای عضلانی)، به دیستـروفی میوتونیک میتوان اشاره نمود، نمای بالینی بیماری بسته به سن شروع بیماری دارد. نوع مادرزادی و ابتدای دوره کودکی (سن کمتر از 10 سال) و نوع نوجوانی و بزرگسالی (کلاسیک)، سن 50-10 سال و  دیستروفی میوتونیک خفیف، سن بالای 50 سال (1و2).

علایم بالینی دیستروفی میوتونیک مادرزادی عبارت است از: مرده زایی یا ضعف عضلانی منتشر (شامل صورت)، هیپوتونی و نارسایی بلع، تنفس و مکیدن، فقدان رفلکس‌های تاندونی و پا چنبری (Club foot). علایم دیستروفی میوتونیک در مادر افزایش بیش از 45 تکرار سه تایی CTG در ژن دیستروفی میوتونیک روی کروموزوم 19، علائم بالینی دردیستروفی میوتونیک ابتدای کودکی و دیستروفی میوتونیک نوجوانی- بزرگسالی و دیستروفی میوتونیک خفیف متفاوت است.

دیستروفی عضلانی دوشن نمونه دیگری از انواع میوپاتی است. علایم بالینی در دیستروفی عضلانی دوشن معمولاً قبل از 5 سالگی ظاهر می‌شوند. علایم بالینی شامل ضعف دوطرفه پیشرونده عضلات است. عضلات پروگزیمال بیش از دیستال درگیر می‌شوند و در ابتدا فقط عضلات اندام تحتانی است. هیپرتروفی ساق پا اغلب وجود دارد. فاسیکولاسیون و اختلال حسی در این بیماران وجود ندارد. قبل از سن 13 سالگی نیاز به وسایل کمکی در راه رفتن دارند. حداقل 10 برابر افزایش در مقادیر SCK (کراتی تین کیناز سرم) وجود دارد (سطح آن مرتبط با سن و میزان حرکت بیمار می‌باشد) (3، 2، 1).

دیستروفی عضلانی بکر نمونه دیگری از میوپاتی‌ها است، علایم بالینی شامل آتروفی و ضعف عضلانی پیشرونده قرینه، درگیری انتهای فوقانی اندام بیشتر از انتهای تحتانی و در ابتدا فقط اندام تحتانی است. ضعف عضلات چهار سر ران تا مدتها تنها علامت است. هیپرتروفی ساق پا اغلب وجود دارد. برخی بیماران کرامپ عضلانی که با حرکت شروع می‌شود، دارند. خشکی فلکسـورهای آرنـج در سیـر بعـدی بیماری رخ می دهد. دیستروفی نوع بکر با درد عضلانی و کرامپ، عدم تحمل فعالیت و میوگلوبینوری، افزایش کراتین کیناز (CK) بدون علامت، کاردیومیوپاتی و اختلالات شناختی نیز ممکن است تظاهر کند. و در صورت فاسیکولاسیون و اختلال حسی، تشخیص بکر رد می‌شود. تا قبل از 16 سالگی نیاز به صندلی چرخدار ندارند. فعالیت کراتین کیناز سرمی (SCK)  بیش از 5 برابر نرمال است(5، 4).

دیستروفی عضلانی کمربند لگنی شانه‌ای(LGMD)  از انواع هتروژن دیستروفی‌های عضلانی محسوب می‌گردد، که درگیری اولیه عضلات لگنی و شانه‌ای بطور پیشرونده از علائم غالب آن می‌باشد. سیر بالینی بیماری با هوش طبیعی و گوناگونی فراوان که از فرم شدید با سن شروع دیرتر و سیر کند تر خود را نشان می‌دهد.

حداقل 15 ژن برای دیستروفی عضلانی کمربند لگنی شانه ای

تحقیق و بررسی در مورد آزمایش بر روی سیستم عصبی اتونوم

اختصاصی از سورنا فایل تحقیق و بررسی در مورد آزمایش بر روی سیستم عصبی اتونوم دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 18

آزمایش بر روی سیستم عصبی اتونوم

سیستم عصبی اتونوم یک شبکه عصبی وسیع است که نقش اصلی آن تنظیم محیط داخلی توسط کنتبف هموستاز و فعالیت‌های احشایی است. با وجودی که اکثر فعالیت‌های سیستم اتونوم خارج از کنترل اداری می‌باشند، عواطف و ورودی‌های سوماتولنسوری بطور قابل توجهی سیستم اتونوم را تحت تأثیر قرار می‌دهند. با بررسی تغییرات برجستة وازوموتور و سودوموتور پس از آسیب تروماتیک به اعصاب، این که سیستم اتونوم نقش مهمی در تعدیل و درک درد دارد مدتها قبل شناخته شده بود. با وجود شک و ابهامی که در رابطه با اهمیت نقش سیستم عصبی سمپاتیک در ایجاد و تداوم درد وجود دارد، متخصصان درد همیشه در جستجوی وسایل و راههایی برای مطالعه و بررسی سیستم اتونوم بوده‌اند.

آناتومی

سیستم اتونوم در هر سطحی از سیستم عصبی دارای اجزاء مختلفی می‌باشد.

جزء مرکزی که به نام شبکة‌ مرکزی اتونوم(CAN) نیز شناخته می‌شود شامل مناطق مختلفی از مغز می‌باشد.

اینسولا بدلیل ارتباطاتی که با هیپوتالاموس،‌ تالاموس، هسته پارابراکیال و NTS

دارد،‌ به نظر یک منطقه حیاتی حسی حرکتی احشایی است.

تحریک و فعال شدن قشر اینولا باعث بروز هیپرتانسیون، تاکیکاری، ایستادگی موها، گشادی مردمکها و ترشح بزاق شده و فعالیت دستگاه گوارش را نیز تغییر خواهد داد. تحریک کورتکس پری فرونتال میانی که دارای ارتباطات گسترده‌ای با آمیگدال، هیپوکامپ، تالاموس، هیپوتالاموس،‌ هستة پارابراکیال و NTS می‌باشد باعث بروز برادیکاری و افت فشار خون شده و ترشحات دستگاه گوارش را تعدیل می‌نماید.

هیپتوتالاموس مهم ترین ارگان سیستم اتونوم بوده و تمام فعالیت‌های حیاتی بدن را کنترل کرده و سیستم‌های غدد درون‌ریزی و اتونوم را نیز منسجم نگه می‌دارد.

این جا منطقه‌ای است که جهان بیرون با دنیای درون ارتباط پیدا می‌کنند. آمیگدال، که در بین کورتکس، هپیوتالاموس و نواحی مزنسفال قرار دارد‌،‌ نقش مهمی در همراه کردن احساسات با محرک‌های مختلف و ایجاد پاسخ‌هایی دارد که شامل تعدیل فعالیت اتونوم می‌شوند.

در سطح مزنسفال، هسته پارابراکیالیس و PAG نواحی تقویت تکمیلی می‌باشند. PAG نیز از جمله مناطق مهم و حیاتی در کنترل و تعدیل درد است. نواحی ساقة مغزی اصل النخاع که اکثر فعالیت‌های رفلکسی و اتوماتیک قلبی تنفسی را کنترل می‌کنند عبارتند از بدولای ونترولترال و NTS. ارگانهای دور بطنی با احساس و تشخیص تغییرات هومرال در تعدیل فعالیت اتونوم شرکت می‌کنند.

اجزاء‌ محیطی سیستم انوم عبارتند از سیستم‌های عصبی سمپاتیک و پاراسمپاتیک. نورون‌های پیش گانگلیونی سیستم سمپاتیک در ستون بینابینی خارجی نخاع قرار داشته و اکسونهای آنها در گانگلیونهای پری وربترال و پاراوربترال سیناپس کرده و فیبرهای پس سیناپسی نسبتاً مسیرهای طولانی را جهت عصب‌دهی به ارگانهای هدف خود طی می‌کنند.

سیستم سمپاتیک بسیار گسترده و منتشر است و توانایی تولید پاسخ‌های عظیم توسط تحریک ترشح اپی نفرین از قشر غده فوق کلیوی را دارد. این بعلت نسبت بالای فیبرهای پس گانگلیونی به پیش گانگلیونی و نیز فیبرهای پس گانگلیونی بلند و طولانی است. نورون‌های پیش سیناپسی پاراسمپاتیک تشکیل گروههای هسته‌ای ساکرال و کردینال را می‌دهند. سیستم عصبی پاراسمپاتیک بطور انتخابی فعالیت می‌کند زیرا اکسونهای پیش گانگلیونی در گانگلیونهایی سیناپس می‌کنند که بسیار نزدیک به ارگان‌های هدف بوده و همچنین نسبت فیبرهای پس گانگلیونی به پیش گانگلیونی در این سیستم بسیار کمتر از سسیتم سمپاتیک است. معمولاً دو سیستم سمپاتیک و پاراسمپاتیک اعمال مخالف هم دارند، اما در ارگانهای معدودی آثارشان با هم تشدید می‌شود.

نوروترنسمیترها

استیل کولیس (Ach) نوروترنسمیتر کلاسیک فیبرهای پیش گانگلیونی در هر دو سیستم عصبی سمپاتیک و پاراسمپاتیک است. فیبرهای پس گانگلیونی سمپاتیک نوراپی نفرین (NE) ترشح می‌کنند. به جز فیبرهای سودوموتور که استیل کولین ترشح می‌کنند. نورون‌های پس عقده‌ای پاراسمپاتیک همگی استیل کولین ترشح می‌کنند.

در اعصابی که در سطوح مختلف CAN، نخاع، و همچنین پایانه‌های پیش و پس عقده‌ای وجود دارند و محتوی Ach و یا NE می‌باشند نوروپیتیدها و نوروترنسمیترهای شناخته شده دیگری نیز وجود دارند. آنها نقش مهمی در فعالیت احشایی و همچنین فعالیت‌های منسجم متعددی از جمله شناخت، درد و یا حرکت ایفا می‌نمایند. شایع ترین این مواد عبارتند از: کلرسیستوکسین