مقاله درباره بررسی اختلالات هدایت اعصاب محیطی و الکترومیوگرافی درکودکان مبتلا به

اختصاصی از یاری فایل مقاله درباره بررسی اختلالات هدایت اعصاب محیطی و الکترومیوگرافی درکودکان مبتلا به دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 12

بررسی اختلالات هدایت اعصاب محیطی و الکترومیوگرافی درکودکان مبتلا به

پلی نوروپاتی حاد التهابی و ارجاعی به بیمارستان گلستان اهواز

در سالهای 86- 1383

خلاصه

مقدمه: پلی نوروپاتی حاد التهابی ریشه های عصبی ١ و سندرم گیلـن باره شایع ترین علت ضعف عمومی عضلانی است که با اختلالات سیستم ایمنی بیمار مرتبط می‌باشد. معمولاً علائم ضعف و فلج در هفته‌های اول به سرعت پیشرفت می‌نماید. یافته‌های الکتروفیزیولوژی نقش مهمی در تشخیص و پیش آگهی این بیماران دارند. لذا این مهم است که بتوان تظاهرات بالینی و اختلالات آزمایشگاهی را با آسیب زایی بیماری و یافته‌های الکتروفیزیولوژیک مرتبط نمود. علی الخصوص که بر خلاف پلی نوروپاتی های ارثی،‌پلی نوروپاتی های اکتسابی بهتر قابل درمان هستند. از سوی دیگر با توجه به اینکه نوروپاتی‌های اکتسابی حاد روندی فعال دارند،‌ براساس زمان مراجعه بیمار و روند تخریب اعصاب محیطی،‌ یافته‌های الکتروفیزیولوژی متفاوتی بدست خواهد آمد. با توجه به تفاوتهای موجود در شکل اختلالات رشته‌های اعصاب در این بیماران ، شناخت و توصیف تظاهرات الکتروفیزیولوژیک برای تشخیص وتعیین وضعیت بیماریزایی مهم است.

روش: در این مطالعه تعداد30 بیمار که با تشخیص احتمالی پلی نوروپاتی حاد التهابی ریشه های عصبی که در بین سالهای 1386-1383 به اورژانس و بخش اطفال بیمارستان گلستان اهواز ارجاع شده بودند پس از بررسیهای بالینی لازم و انجام آزمایشات خون و مایع مغزی- نخاعی و کنار گذاشتن سایر علل فلج شل حاد ، مورد بررسی هدایت عصبی والکترومیوگرافی قرار گرفتند . سرعت هدایت اعصاب پرونئال عمقی و تیبیال اندازه گیری شد و پتانسیل عمل حسی عصب سورال، زمان تاخیر در ظهور پتانسیل موجF از اعصاب تیبیال و پرونئال عمقی ثبت شدند. ارتفاع و مدت پتانسیل عمل حرکتی کامل2 از عضلات دورکننده شست در کف پا3 و بلند کننده کوتاه انگشتان4 از روی پای بیماران در درجه حرارت اتاق اندازه گیری شد. آزمایش الکترومیوگرافی با سوزن از عضلات اندام تحتانی و فوقانی بعمل آمد و نتایج بدست آمده ارزیابی گردیدند.

یافته ها: سرعت هدایت عصبی در اغلب بیماران مورد بررسی طبیعی بود. در20-13درصد از بیماران اختلالات در زمان ثبت یا ظهور موجF مشهود بود. در الکترومیوگرافی شایع ترین یافته، کاهش تداخل و فعالیت رشته های عضلانی قابل ثبت بود. ارتفاع پتانسیل عمل عصب سورال در اغلب بیماران طبیعی بود ولی ارتفاع پتانسیل عمل عضلات کف پا کاسته و مدت آن طولانی شده بود.

نتیجه گیری: اختلالات هدایتی شایع ترین یافته الکتروفیزیولوژیک در بیماران مورد تحقیق بود و با توجه به طیف اطلاعات الکتروفیزیولوژیک بدست آمده میتوان هم به منظور تایید تشخیص بالینی و هم در طبقه بندی و تعیین زیر مجموعه های بیماری پلی نوروپاتی حاد ریشه های عصبی و پیش آگهی بیماری ازآنها استفاده نمود.

کلید واژه گان: نوروپاتی التهابی ریشه های عصبی، الکترومیوگرافی، هدایت عصبی، پتانسیل عمل،کودکان

1-Acute Inflammatory Demyelinating Polyradiculopathy

2- Compound Muscle Action Potential (CMAP)

3- Abductor Hallucis muscle

4-Extensor Digitorum Brevis muscle

* استادیار، متخصص طب فیزیکی و توانبخشی، دانشگاه علوم پزشکی جندی شاپور اهواز

** دانشیارگروه اطفال، دانشگاه علوم پزشکی جندی شاپور اهواز

نویسنده مسؤل

دریافت مقاله: 16/8/1386 دریافت مقاله اصلاح شده: 25/12/1386 اعلام قبولی: 18/4/1387

مقدمه

پلی نوروپاتی حاد التهاب ی ریشه های عصبی همراه با تخریب غشاء میلین رشته های اعصاب یا سندرم گیلن ب باره تقریبا شایع ترین اختلال اعصاب محیطی کودکان می باشد که با واسطه اختلال سیستم ایمنی ایجاد می شود و با ریشه کنی تقریبی فلج اطفال بیشترین عامل فلج حاد شل و از بین رفتن رفلکس های بیماران می اشد.فلج معمولا در روزها یا هفته های اول بد نبال یک عفونت غیر مشخص ایجاد شده و پیشرفت می نماید و اختلالات حسی مشخص به همراه افزایش پروتئین در مایع مغزی و نخاعی با تعداد سلول طبیعی، پدید می آیند(1و2و 3و4). تخریب بافت میلین بصورت قطعه قطعه رخ میدهد که همراه با نفوذ سلولهای التهابی به منطقه گرفتار میباشد، لیکن تخریب رشته های اکسون کمتر اتفاق می افتد مگر اینکه شدت واکنش التهابی شدید باشد(3و5). البته انواعی از سندروم گیلن باره با گرفتاری اکسون ها وجود دارد که بدون وجود واکنش التهابی شدید تخریب اکسون ها رخ می دهد(3).در مواردی از بیماری که سیستم اعصاب مرکزی درگیر میشوند تخریب اکسون ها حتما ایجاد میشود (5).در دوسوم از بیماران یک بیماری عفونی حاد در دستگاه تنفس یا گوارش گزارش شده است (2و3و4و 6و7و8 ). رد پای عفونت با,Mycoplasma pneumoniae , Hemophilus influenza ,Epstein-Barr virus campylobacter jejuni در بسیاری از موارد مبتلا به سندرم گیلن باره گزارش شده اند. همچنین وقوع این بیماری بدنبال واکسیناسیون بخصوص هاری، آنفلوآنزای سواین ، اریون ،سرخک و سرخجه و هپاتیت بیشتر است(9و10 و11 و12 و13 و 14 و15). یافته های الکترومیوگرافی تصویری مطابق با درگیری بیماریهای عصب حرکتی پایینی و سیستم اعصاب محیطی نشان میدهند. کاهش تعداد واحدهای حرکتی بدنبال حداکثر انقباض پس از بروز ضعف در این بیماران مشهود است و بهترین علامت پیش آگهی دهنده در الکترومیوگرافی با سوزن نمایان میگردد و وقوع علایم قطع عصب نشانه گرفتار شدن بیشتر رشته های آکسون نسبت به غشاء میلین میباشد که از علایم پیش آگهی بدو بهبودی کند می باشد(16).

بلوک هدایتی مشخص ترین یافته الکتروفیزیولوژیک است که در 80 درصد این بیماران گزارش شده است. یکی از روشهای بررسی هدایت عصبی، ثبت موج F است. موج F یک پتانسیل تحریکی است که پس از تحریک هر قطعه از عصب، موج تحریکی علاوه بر اینکه ماهیچه های پایینتر را تحریک مینماید، میتواند به سمت بالا و سلولهای محرکه عصبی در مجاورت نخاع رفته و با انعکاسی حدود سه تا پنج درصد از سلولهای تحریک شده ، یک پتانسل تحریکی با ارتفاع حدود200-100 میکرو ولت در عضلات پایین بوجود می آورد. موج F ابتدا از عضلات پا ثبت گردید و به همین دلیلF ( حرف اول از کلمه لاتین Foot ) نامیده شده است. بیشترین کاربرد کلینیکی موج F به ارزیابی اختلالات رشته های عصب در بیماریهایی است که رشته های عصب در چند نقطه یا به صورت منتشر، خراب میشوند، مخصوصا اگر این قطعه در قسمتهای بالایی عصب باشد که امکان تحریک و دسترسی به آن به راحتی مقدور نباشد. در سندرم گیلن باره ممکن است از اولین علامتهای الکترو فیزیولوژیک قابل اندازه گیری، اختلالات در ثبت موج F باشند. تظاهراتی مثل طولانی شدن زمان تاخیر در بروز موجF ایجاد میشود. افت سرعت هدایت عصب تا حدود پنج متر در ثانیه در قطعه گرفتار و پراکنده شدن شکل پتانسیل عصبی و افت ارتفاع آن با تحریک از قسمت بالایی عصب از تظاهرات الکتروفیزیولوژیک این بیماری هستند(4و17). همچنین هرگاه که تخریب اکسون ها از اولین علامتهای وقوع سندروم گیلن باره باشد و یا کاهش ارتفاع پتانسیل عمل شدید باشد از علائم پیش آگهی بد و بهبودی ناقص است (4و 15).یکی از زیرگروه های سندرم نوروپاتی حاد التهابی ریشه عصبی، نوروپاتی حسی و حرکتی حاد و اکسونی میباشد که در این حالت نیز بررسی الکتروفیزیولوژیک با تایید کردن کاهش شدید ارتفاع پتانسیل های عمل حرکتی و حسی و علامت ها قطع عصب وفعالیت های خودبخودی در الکترومیوگرافی به تشخیص این بیماری کمک می نماید(4). در سایر زیر گروه های این بیماری، یافته های الکتروفیزیولوژیک هم از نظر تایید تشخیص و افتراق از سایر بیماریها و هم از نظر طبقه بندی بیماری و شدت و پیش آگهی بیماری اطلاعات ارزشمندی فراهم می آورند.(4و15و18و 19و20و 21و 22و23و 24).از سوی دیگر اگر چه اصول بررسی های الکترودیاگنوستیک در کودکان همانند بالغین میباشد ولی تفاوتهایی بین آنان وجود دارد که ناشی از اختلافات فیریولوژیک در اثر رشد و بلوغ رشته های عصبی میباشد. از حدود هفته های دهم الی یازدهم جنینی روند تشکیل میلین اطراف رشته های عصب شروع میشود و تقریباً تا حوالی پنج سالگی کامل میشود و از حدود هشت تا ده سالگی قطر اکسون ها به اندازه بالغین میرسند. سرعت هدایت عصب بر اساس طول و قطر اکسون ها، میزان ضخامت غشاء میلین، فواصل بین گره های رانویه و پهنای آنها تغییر مینماید (25و 26 ). با تکامل گره های رانویه در حدود پنج سالگی است که فاصله بین گره های رانویه به حداکثر میرسد. سرعت هدایت اعصاب حرکتی در نوزدان نارس کمتر از نوزادان ترم است . ولی رابطه ای بین وزن موقع تولد و سرعت هدایت عصبی وجود ندارد (25و27).هدایت عصب در یک نوزاد ترم کامل حدود نصف بالغین است و در چهار سالگی به حدود بالغین میرسد(17). مطالعات نشان داده اند که سرعت هدایت عصب و ارتفاع پتانسیل های حرکتی در طی سال اول تاششم بعداز تولد به سرعت رشد کرده تا به حد ثابت بالغین میرسد(25و28).وپا طبیعی است لیکن امروزه این نظریه کنار گذاشته شده و اعتقاد بر این است که در بچه ها ثبت این پتانسیل ها درزمان فرو بردن نیدل در عضله غیر طبیعی است ولی شکل موج واحد حرکتی و میزان انقباضات و تداخل واحد های حرکتی آنان مانند بزرگسالان است. انجام الکترومیوگرافی در کودکان ظرافتهای خاص خود را دارد و پیشنهاد میگردد برای ثبت امواج خود بخودی از عضلات اکستانسور اندام ها و برای ارزیابی میزان انقباض و تداخل واحد های حرکتی از عضلات فلکسور اندامها الکترومیو گرافی بعمل آید (25).

روش بررسی

در این مطالعه طی سالهای 1383 تا 1386 تعداد 30 بیمار دو تا دوازده ساله پسر و دختر را که به دلیل ضعف و فلج شل حاد به اورژانس و بخش اطفال بیمارستان گلستان اهواز مراجعه کرده بودند ، پس از بررسیهای بالینی و آزمایشگاهی (از نظر خون و سرولوژی و مایع مغزی - نخاعی ) و کنار گذاشتن سایر علل فلج شل حاد مثل بیماری فلج اطفال ، بیماریهای الـتهابی و عفـونی ، مورد ارزیابی الکتروفیزیولوژیک از نظر اندازه گیری سرعت هدایت اعصاب و الکترومیوگرافی قرار گرفتند (جدول 1). اگرچه زمان مراجعه بیماران متفاوت بود ولی بررسی های مذکور در هـفـته دوم بعد از شروع بیماری انجام گرفت. اصول استاندارد نمودن ارزیابی ها وکنترل اثر عوامل فیزیولوژیک و محیطی مانند سن و درجه حرارت محیط بر روشهای اندازه گیری و همینطور روشهای استاندارد کردن یافته ها بر اساس پیشنهاد گروه دیـمـیـتریو بـود(25و29). بدین منظور از دستگاه الکترومیوگرافی مدلک مدل MS92a استفاده شد. بررسی های الکتروفـیزیولوژیک از اندام فوقانی و تحتانی هر دو طرف بیماران بدین صورت بود که برای اندازه گیری سرعت هدایت عصب پرونئال عمقی ، ثبت از روی عضله کوچک وبلند کننده انگشتان پا صورت گرفت.تحریک در قسمت پایین ساق پا با قرار دادن کاتد در قسمت خارجی تاندون عضله درشت نی قدامی و تحریک قسمت بالای ساق پا در کمی پایین تر از سراستخوان نازک نی ،انجام شد. الکترود زمین در وسط ساق پا گذاشته شد و پس از محاسبه سرعت هدایت عصب ،اعداد بدست آمده با جداول طبیعی مقایسه و تفسیر گردیدند(29و30و31).برای اندازه گیری سرعت هدایت عصب تیبیال، ثبت از عصب پلانتار داخلی و از عضله دور کننده شست پا انجام شد. تحریک پایینی در ناحیه مچ پا و قوزک داخلی و در قسمت بالا در ناحیه پشت زانو و فضای پوپلیته انجام گردید. الکترود زمین هم در قسمت میانی ساق پا قرار گرفت و پس از محاسبه سرعت هدایت اعداد بدست آمده با جداول طبیعی مقایسه شدند(31و32و33).جهت ثبت پتانسیل عمل عصب سورال ، الکترود گیرنده در پشت قوزک خارجی در محل حداکثر برجستگی قرار داده شد و تحریک عصب در حدود چهارده سانتی متر بالاتر از الکترود گیرنده در کمی خارج تر نسبت به خط وسط ساق پا انجام شد و پس از ثبت و اندازه گیری ارتفاع پتانسیل عملی که بزرگترین ارتفاع را داشت، با اندازه های طبیعی مقایسه گردید(29و34 ). به منظور بدست آوردن زمان تاخیر در ثبت موج F از عصب پرونئال عمقی بیماران الکترود گیرنده را روی عضله بلند کننده کوچک انگشتان در پشت پا قرارداده و تحریک عصب پرونئال عمقی هم از محل سر استخوان نازک نی ساق پا در قسمت خارجی تاندون عضله درشت نی قدامی صورت گرفت. برای تحریک از ده تحریک متوالی با فرکانس یک هرتز استفاده شد و کوتاه ترین زمان تاخیر در ظهور محاسبه گردید و با اندازه های طبیعی مقایسه شد (35).جهت ثبت زمان تاخیر در ظهور موج F ازعصب تیبیال عمقی، تحریک از فضای پوپلیته در پشت زانو و ثبت از روی عضله دور کننده انگشت شست صورت گرفت و پس از بدست آوردن کوتاه ترین زمان تاخیر، با زمان تاخیر طبیعی مقایسه گردید(35).برای ارزیابی شکل و اندازه ارتفاع پتانسیل عمل ماهیچه ای کامل (CMAP) اعـصاب مذکور هم به روش د یـمیــتریو و اما تو عمل شد( 34و 35). پس از تکمیل مطالعات هدایت عصبی آزمایش الکترومیوگرافی ازعضلات چهارسرران،سه قلوی ساق پا، عضله درشت نی قدامی، دو سر بازویی و عضله دالی در هر دو طرف بیماران بعمل آمد. یافته ها ازنظر ظهور امواج غیر طبیعی ، خود بخودی1 و میزان تداخل رشته های عضلانی2 در فرایند انقباض ثبت گردیدند..

یافته ها

• سرعت هدایت عصب درشت نی عمقی درسه بیماریا شش عصب معادل یا ده درصد بیماران و سرعت هدایت عصب تیبیال در چهار بیمار یا هشت عصب معادل یا 13 در صد بیماران ) از حد طبیعی کمتر بود(جدول 2، نمودار1) .

• در پانزده بیمار با تحریک عصب درشت نی عمقی در هر دو پا و هشت بیمار هم فقط در یک پا دارای پتانسیل عمل کامل پراکنده و با ارتفاع کم بودند. و به عبارت دیگر در77درصد از بیماران پتانسیل عمل عصب پرونئال غیر طبیعی وهمینطور دریازده بیمار با تحریک عصب تیبیال در هر دو پا و در دوازده بیمار هم فقط در یک پا پتانسیل عمل کامل پراکنده و کوتاه بود وبه عبارت دیگر77درصد از بیماران پتانسیل عمل عصب تیبیال غیر طبیعی بود(جدول 2، نمودار1).

• موج F مربوط به عـصب تیبیال دردو بیمارازهردواندام تحتانی ثبت نشد و در چهار بیمار هم فقط ازیک پا ثبت گردید. در مجموع بیست در صد از بیماران موج F غیر طبیعی در عصب تیبیال داشتند. موجF مربوط به عصب درشت نی عمقی در سه بیمار از هر دو اندام تحتانی ثبت نشد و دوازده بیمار هم فقط از پای راست قابل ثبت نبود. درمجموع سیزده درصد بیماران موج F غیر طبیعی ازعصب درشت نی عمقی داشتند(جدول 2، نمودار1).

• پتانسیل عمل حسی عصب سورال درهردوپا ازپنج بیماربدست نیامد. در یک بیمار هم فقط در یک پا غیر طبیعی بود و در مجموع در بیست در صد بیماران غیر طبیعی بو د(جدول 2، نمودار).

تحقیق درباره توانبخشی مغز و اعصاب 145 ص

اختصاصی از یاری فایل تحقیق درباره توانبخشی مغز و اعصاب 145 ص دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 135

چکیده

این کتاب راهنما به عنوان یک ابزار دستوری و آموزشی برای کارآموزان توان بخشی سطح متوسط و پرسنل مراقب اولیه تهیه شد و تا از آن در کارشان با افرادی که دچار ضربه مغزی شده اند، خانواده های آنها و اعضای جامعه شان استفاده کنند.

توالی های رایج پزشکی، فیزیکی، شناختی رفتاری صدمه مغزی یاد آوری شده اند. برای درک بهتر صدمه مغزی و حمایت از پروسه توان بخشی فرد صدمه دیده، کتاب راهنما روی اطلاعات پایه تاکید میکند تا از این طریق به پرستاران و اعضای جامعه که شامل معلمان و کارفرمایان بالقوه میشوند کمک کند.

دستورات ایمنی و راهنمای های مراقبتی تهیه شده اند، و همچنین تکنیک های آموزشی به فرد برای با آزمونی مهارتهای عملکردی در زمینه های حرکتی، ارتباطی و مراقبت شخصی کمک میکند. نویسندگان میدانند که تجهیزات پزشکی ویژه همیشه در دسترس نیستند، بنابراین پیشنهاد میشود که از مواد قابل دسترس برای ساخت وسایلی استفاده کنندکه به پشگیری از ایجاد بد شکلی ها کمک کرده و به فردی که نواقض فیزیکی دارد در انجام فعالیت های روزانه یاری برساند.

تصاویری هم تهیه شده اند تا به یادگیری بهتر راهنمایی های ایمنی، دستورات آموزشی و مراحل موجود در ساخت وسایل تطابقی ویژه کمک کنند.

فهرست مطالب

پیش گفتار

توانبخشی پس از ضربه مغزی (TBI) یک پروسه چالشی و پیچیده برای شخص صدمه دیده، خانواده و تمام پرسنل توانبخشی که در این پروسه شرکت میکنند می باشد. در بلایای طبیعی و جنگ ها که احتمال وجود افرادی که دچار ضربه مغزی شده اند زیاد است، به یک رویکرد جامع جهت برخورد با توانائی های متعددی که هر فرد صدمه دیده تجربه میکند نیاز است، همچنین پرسنل توانبخشی در کشور های در حال توسعه در مورد کارشان به اطلاعاتی درباره رویکرد جامع برای کار با فردی که دچار ضربه مغزی شده است نیاز دارند.

این کتاب راهنما مسئول این نیازها میباشد. کتاب راهنما برای کار فرد هم در زمینه خدمات مراقبت سلامتی کلی و هم در زمینه سرویس های توانبخشی، هم در سرویس های اضطراری و هم در سرویس های روزانه اختصاص داده شده است.

این کتاب راهنما میتواند برای آموزش پرسنل و به عنوان یک راهنما در هنگام کار با فرد ضربه مغزی شده استفاده شود.

همچنین ممکن است پرسنل بخواهند این کتاب راهنما را به اعضای خانواده فردی که ضربه مغزی شده است بدهند به این منظور که به خانواده ها برای درک محدودیت های متعددی که در عملکرد فرد در اثر ضربه مغزی به وجود می آید کمک کنند، و به آنها راهنمایی های در مورد شیوه های کمک در پروسه توانبخشی بدهند.

ما از افرادی که نیازهای این کتاب راهنما را تشخیص داده اند و برای تهیه آن تلاش کرده اند بی نهایت تشکر می کنیم. آقای Amit Pandya، به عنوان سرپرست، اداره Humanitarian Assistance، سازمان دفاع ایالت متحده (در حال حاضر یکی از اعضای کارمندان طراح امنیتی، اداره امنیت ایالت، دولت ایالات متحده) حمایت های بی دریغی از طرف سازمان دفاع ایالت متحده برای برقراری امنیت بودجه تخصیص داده شده به این کتاب راهنما نموده است.

با قدر دانی ویژه از Lyn Grakome، و دیگر نویسندگان.

Gray Goldberg, Md Mediline dipasquale, Phd Tessa Hard, Phd Mary fran madde, otrl

هدف کتاب راهنما

هدف این کتاب راهنما کمک به آموزش کار آموزان توان بخشی در حد متوسط (MLRWS) و پرسنل مراقبت های اولیه ای (PHCP) است که با افراد دچار به ضربه مغزی (TBI) کارمیکنند. بعد از آموزش، جای امیدواری است که این عنوان یک منبع مفید برای مرور ایده های توان بخشی و پزشکی مرتبط با افرادی دچار ضربه مغزی و مراقبان آنها باشد.

این سوال برای پرسنل مراقبت های اولیه و پرستاران، پزشکان و دستیاران پزشک و همچنین کارآموزان توان بخشی تهیه شده است، چون تعداد زیادی از پرسنل در پروسه توان بخشی صدمه مغزی درگیر می شوند. محتوای این راهنما به تمام پرسنل مراقب سلامت شناخت انواع مختلف ناتوانی های منتج از ضربه مغزی کمک مینماید، بنابراین آنها با افراد، خانواده شان و جامعه به طور موثر تری کارمیکنند.

در همه کشورها ضربه مغزی باعث ناتوانی هایی در مردان، زنان و کودکان میشود. صدمات توسط تصادفات جاده ای، حوادث مربوط به کار، کارهای سخت و شدید، افتادن و حوادث ورزشی یا فعالیت های بازی، ایجاد میشوند. بعضی اوقات علل دیگری هم هستند، مثل بلایای طبیعی، جنگ یا مین های زمینی.

در گذشته، برای درمان صدمه مغزی اقدامات کمتری انجام می شد و بیشتر افرادی با صدمه شدید نفری از بین می رفتند. امروزه، بهبود مراحل پزشکی، زنده ماندن بیشتر افراد حتی بیشتر صدمات مغزی شدید را ممکن ساخته است. با این حال کسانی که زنده می مانند اغلب ناتوانی هایی در آنها باقی می ماند که زندگی خود و اعضای خانواده شان را تحت تاثیر قرار میدهد. ناتوانی های ناشی از صدمه مغزی شامل مشکلاتی در حرکت، حافظه، تفکر، ارتباط و رفتار میشوند.

بعضی اوقات تاثیرات صدمه مغزی به وضوح دیده می شوند، مثل زمانی که فرد تغییرات فیزیکی واضح یا

تحقیق در مورد شبکه های عصبی مغز

اختصاصی از یاری فایل تحقیق در مورد شبکه های عصبی مغز دانلود با لینک مستقیم و پر سرعت .

فرمت فایل:WORD(قاببل ویرایش)تعدا34 صحفه

آیا تا به حال فکر کرده‌اید که ما چگونه مطلبی را می‌آموزیم؟ چقدر و با چه سرعتی یاد می‌گیریم؟ مغز ما چگونه می‌تواند یک مسأله را حل کند؟ آیا تا به حال به نحوه‌ی عملکرد مغز فکر کرده‌اید؟

عملکرد دقیق مغز هنوز کشف نشده است و برخی جنبه‌های آن برای انسان شناخته شده نیستند. ولی برای ما روشن شده است که بافت‌های عصبی از تعداد زیادی سلول به نام نرون تشکیل شده‌اند، که به یکدیگر متصل هستند. زمانی که این نرون‌ها به یکدیگر وصل می‌شوند، تشکیل شبکه‌ی عصبی مغز را می‌دهند. شبکه یعنی واحدی که تمام اجزای آن با هم در ارتباط باشند.(مثل شبکه‌های کامپیوتری).

آیا می‌دانیدکه می‌توانیم با توجه به نحوه‌ی عملکرد شبکه‌ی مغز، شبکه‌های مصنوعی مغز را در دنیای واقعی طراحی کنیم و با استفاده از آن بسیاری از مسائل را حل کنیم؟

برایتان عجیب نیست که در این شبکه‌های مصنوعی از ریاضی هم استفاده می‌شود؟
شاید بپرسید ساختن شبکه‌های مصنوعی از روی شبکه‌ی واقعی مغز چه کمکی به ما می‌کند؟ و چه کاربردهایی در زندگی انسان‌ها دارد؟

برای روشن شدن اهمیت شبکه‌های عصبی در این جا به چند نمونه از کاربردهای شبکه‌های مصنوعی در زندگی انسان می‌پردازیم: ردیابی سرطان، تجزیه‌ی بنزین، پیش‌بینی صاعقه، تشخیص تقلب در کارت اعتباری، تشخیص تصاویر واقعی، پردازش مکالمات تلفنی، کنترل ترافیک،تشخیص بیماری، تعیین اعتبار امضای اشخاص، سیستم‌های رادار، مین‌گذاری و ... .

حالا که با اهمیت شبکه‌های مصنوعی،بیش تر آشنا شدید، شما را با اصولی که به وسیله‌ی آن‌ها بتوان شبکه‌های عصبی را با روابط ریاضی تشریح کرد، آشنا می‌کنیم.این اصول از طبیعت واقعی و زیستی مغز و نرون‌ها گرفته شده است.

ابتدا ساختار نرون را بررسی می‌کنیم. یک نرون دارای چندین قسمت است که هر قسمت وظیفه‌ی خاصی را بر عهده دارد. به طور مثال یک قسمت کار ورود اطلاعات، قسمت دیگر کار ترکیب اطلاعات و یک قسمت هم‌کار خروج اطلاعات و انتقال آن‌ به نرون دیگر را انجام می‌دهد.

یک نرون n ورودی دارد که آن‌ها را با ها نشان می دهیم. (j بین 1 تا n تغییر می کند) در ساختار واقعی نرون در مغز، قبل از ورود اطلاعات به نرون، قسمتی از نرون به نام سیناپس روی اطلاعات تأثیر می‌گذارد که برای معادل سازی آن در ریاضی، قبل از ورود اطلاعات به نرون، ورودی ها:ها را در توابع وزن: ها ضرب می‌کنیم . بعد از ورود اطلاعات به نرون و ترکیب نتایج(برای ترکیب نتایج ،معمولا" از عملگر جمع معمولی استفاده می شود.)،نرون برای تعیین خروجی خود، از یک تابع f کمک می‌گیرد و خروجی را با O نشان می دهیم:.

این تابع f می‌‌تواند انواع گوناگون داشته باشد و بر اساس نوع خروجی و خواسته‌ی ما تغییر کند. در هر حال می بایست تابع f بین دو مقدار محدود باشد. به طور مثال در استفاده از شبکه‌های عصبی برای کنترل حرکت بازوی یک روبات اگر f محدود نباشد، ممکن است بازوی روبات در اثر یک حرکت سریع به خود و یا محیط اطراف آسیب بزند. در چنین مواقعی از توابعی مانند توابع زیر استفاده می‌شود:

پس اگر ورودی ما بسیار بزرگ و یا بسیار کوچک‌ باشد، خروجی از حد معین تجاوز نمی‌کند و البته این در ساختار نرون طبیعی هم موجود است. مدل تقریبی یک نرون در شکل زیر آمده است:

حال اگر تعدادی از این نرون‌ها را به یکدیگر وصل کنیم و تشکیل یک شبکه بدهیم، یعنی اگر به جای یک نرون، m تا نرون داشته باشیم که به یکدیگر وصل شده‌اند و ورودی ها را با  ، توابع‌ وزن را با ، خروجی‌ها را با و تابع‌ها را با نشان ‌دهیم آن گاه خروجی های این شبکه‌ی عصبی با استفاده از رابطه های زیر بیان می شوند: . (i بین 1 تا m و j بین 1 تا n تغییر می کنند.)
اما یک نکته‌ باقی می‌ماند ، این که در مغز، وقتی که یک نرون بالاتر از یک حد معین (آستانه‌ی آن نرون:) تحریک شود، نرون برانگیخته می‌شود به طوری که می‌تواند یک سیگنال الکتریکی را در طول یک مسیر هدایت کند تا بتواند آن را به نرون‌های دیگر انتقال دهد. در این موقع اصطلاحاً می‌گوییم که نرون آتش می گیرد. بنابراین در یک شبکه برای این که یک نرون بتواند اطلاعات را به نرون‌های دیگر منتقل کند، باید آتش بگیرد. برای لحاظ کردن این شرط در مدل ریاضی، رابطه‌ی زیر را می آوریم: .

بنابراین فرمول‌بندی ریاضی شبکه‌ی عصبی فوق به صورت زیر نوشته می‌شود:

به شرطی که:  .(در این شبکه، آستانه ی نرون ها را باها نشان می‌دهیم.)
البته این فرمول‌بندی به صورت گسترده‌تر بیان شده است که از حد این مقاله فراتر است.

  منابع:

1)Understanding Neural Networks and Fuzzy Logic ,S.V.Kartalopoulos
Translators:M.Joorabian & R.Hooshmand

2)http://shabakeh-mag.com

شبکه عصبی چیست؟

شبکه های عصبی مصنوعی (Artificial Neural Network) الگویی برای پردازش اطلاعات می باشند که با تقلید از شبکه های عصبی بیولوژیکی مثل مغز انسان ساخته شده اند.عنصر کلیدی این الگو ساختار جدید سیستم پردازش اطلاعات آن می باشد و از تعداد زیادی عناصر (نرون) با ارتباطات قوی داخلی که هماهنگ با هم برای حل مسائل مخصوص کار می کنند تشکیل شده اند. شبکه های عصبی مصنوعی با پردازش روی داده های تجربی، دانش یا قانون نهفته در ورای داده ها را به ساختار شبکه منتقل می کند که به این عمل یادگیری می گویند. اصولاً توانایی یادگیری مهمترین ویژگی یک سیستم هوشمند است. سیستمی که بتواند یاد بگیرد منعطف تر است وساده تر برنامه ریزی میشود، بنابراین بهتر میتواند در مورد مسایل و معادلات جدید پاسخگو باشد.

 انسانها از زمانهای بسیار دور سعی بر آن داشتند که بیوفیزیولوژی مغز را دریابند چون همواره مسئله هوشمندی انسان و قابلیت یادگیری ،تعمیم،خلاقیت،انعطاف پذیری و پردازش موازی در مغز برای بشر جالب بوده و بکارگیری این قابلیتها در ماشینها بسیار مطلوب می نمود.روشهای الگوریتمیک برای پیاده سازی این خصایص در ماشینها مناسب نمی باشند در نتیجه می بایست روشها مبتنی بر همان مدلهای بیولوژیکی باشد.ANN درست مثل انسانها با استفاده از مثالها آموزش می بیند ; همانطور که یک بچه با دیدن انواع مختلف از یک حیوان قادر به تشخیص آن می باشد. تاریخچه:

تاریخچه پیدایش ANN را می توان به مراحل زیر تقسیم کرد:

1. از قرن نوزدهم به طور همزمان اما جداگانه از سویی نروفیزیولوژیستها سعی کردند سیستم یادگیری و تجزیه و تحلیل مغز را کشف کنند و از سوی دیگر ریاضیدانان تلاش کردند تا مدل ریاضی بسازند که قابلیت فراگیری و تجزیه و تحلیل عمومی مسائل را دارا باشد.اولین کوششها در شبیه سازی با استفاده از یک مدل منطقی توسط مک کلوک و والترپیتز انجام شد که امروز بلوک اصلی سازنده ی اکثر شبکه های عصبی مصنوعی است .این مدل فرضیه هایی در مورد عملکرد نرونها ارائه می کند .عملکرد این مدل مبتنی بر جمع ورودیها و ایجاد خروجی است . چنانچه حاصل جمع ورودی ها از مقدار آستانه بیشتر باشد اصطلاحا نرون برانگیخته می شود.نتیجه این مدل اجرای توابع ساده منطقی مثل OR وAND بود .
2. نه تنها نروفیزیولوژیستها بلکه روانشناسان و مهندسان نیز در پیشرفت شبیه سازی شبکه های عصبی تأثیر داشتند. در 1958 شبکه پرسپترون توسط روزنبلات معرفی گردید.این شبکه نظیر واحدهای مدل شده ی قبلی بود پرسپترون دارای سه لایه به همراه یک لایه وسط که به عنوان لایه پیوند شناخته شده میباشد است. این سیستم میتواند یاد بگیرد که به ورودی داده شده خروجی تصادفی متناظر را اعمال کند . سیستم دیگر مدل خطی تطبیقی نرون یا Adalaline (Adaptive linear element ) می باشد که در 1960 توسط ویدرو و هاف ( دانشگاه استنفورد ) بوجود آمد که اولین شبکه های عصبی بکار گرفته شده در مسائل واقعی بوده اند. Adalalineیک دستگاه الکترونیکی بود که از اجزای ساده ای تشکیل شده بود روشی که برای آموزش استفاده میشد با پرسپترون فرق داشت.
3. در 1969 مینسکی و پاپرت کتابی نوشتند که محدودیتهای سیستمهای تک لایه و چند لایه پرسپترون را تشریح کردند نتیجه این کتاب پیشداوری و قطع سرمایه گذاری برای تحقیقات در زمینه شبیه سازی شبکه های عصبی بود آنها با طرح اینکه طرح پرسپترون قادر به حل هیچ مساله جالبی نمی باشد تحقیقات در این زمینه را برای مدت چندین سال متوقف کردند.
4. با وجود اینکه اشتیاق عمومی و سرمایه گذاری های موجود به حداقل خود رسیده بود برخی محققان تحقیقات خود را برای ساخت ماشینهایی که توانایی حل مسائلی از قبیل تشخیص الگو را داشته باشند ادامه دادند . از جمله گراسبرگ که شبکه ای تحت عنوان Avalanch را برای تشخیص صحبت پیوسته و کنترل دست ربات مطرح کرد همچنین او با همکاری کارپنتر شبکه های ( Adaptive resonance theory ) ART را بنا نهادند که با مدلهای طبیعی تفاوت داشت. اندرسون و کوهونن نیز از اشخاصی بود که تکنیکهایی برای یادگیری ایجاد کردند.ورباس در 1974 شیوه آموزش پس انتشار خطا یا Back Propagation را ایجاد کرد که یک شبکه پرسپترون چند لایه بود البته با قوانین نیرومندتر آموزشی.آماری در 1967 مقاله ای در زمینه تئوری ریاضی یادگیری در ارتباط با کلاسبندی الگوهای تطبیقی ارائه داد در حالیکه فوکوشیما شیوه تفسیر کاراکترهای دستنوشته ها با استفاده از ANN چند لایه و به صورت تدریجی را ایجاد نمود .
5. پیشرفتهایی که در 1970 تا 1980 بدست آمد برای جلب توجه به شبکه های عصبی بسیار مهم بود.برخی فاکتورها نیز در تشدید این مسئله دخالت داشتند از جمله کتابها و کنفرانسهای وسیعی که برای مردم در رشته های متنوع ارائه شد.امروز نیز تحولات زیادی در تکنولوژی ANN ایجاد شده.

منبع:http://expertsystems.blogfa.com/cat-3.aspx

کاربرد شبکه های عصبی در پِیش بینی جریان رودخانه در حوزه معرف کارده

   سازمان مجری: دانشگاه فردوسی مشهد

  پژوهشگران : دکتر  محمد باقرشریفی – مهندس صالحی

  زمان انتشار :  بهار 84

1- مقدمه

   با توجه به اهمیت و حساسیت امر مهار آب‌های سطحی خصوصاً در کشور ما که اکثر رودخانه‌های مناطق مختلف فصلی بوده و کمبود آبی که در پهنه وسیعی از کشور وجود دارد ، نیاز به شناسایی و به مدل در‌آوردن رفتار رودها و شریان‌های آبی جهت برنامه‌ریزی‌های بلندمدت و استفاده بیشتر و بهتر از پتانسیل‌های آنها عمیقاً احساس می‌شود . جدیدالتاسیس بودن بیشتر ایستگاه‌های هیدرومتری ، نواقص موجود در آمار اکثر این  ایستگاه‌ها ، قرارگرفتن بیشتر رودها در مناطق خشک ، وضعیت بحرانی برداشت آب‌های زیرزمینی و لزوم توجه بیشتر به آب‌های سطحی همه‌ و همه دلایل بیشتر و ظریف‌تری می‌باشد که به مقوله پیش‌بینی و تولید آمار مصنوعی‌ در حوزه‌های آبریز کشورمان جلوه و نمودی کامل‌تر می‌بخشد .

به طور اخص به پیش‌بینی سری‌های زمانی می‌پردازد ، از دیرباز مورد توجه مهندسین علوم آب قرار گرفته است . آنها با دست‌مایه قراردادن این بخش از علم آمار به تحلیل ، بررسی و شناخت رفتار رودخانه‌ها می‌پرداختند . در این راستا نرم‌افزارهای مختلفی نیز تهیه وتنظیم شده که از مهم‌ترین و بارزترین آن‌ها می‌توان SPIGOT و HEC4 را نام برد .  

  شبکه عصبی مصنوعی1 نامی نوین در علوم مهندسی است که به‌طور ابتدایی و آغازین درسال 1962 توسط فرانک روزن بلات و در شکل جدی و تأثیرگذار در سال 1986 توسط رومل‌هارت و مک‌کلند با ابداع و ارائه مدل پرسپترون بهبود یافته به جهان معرفی شد . این شیوه از ساختاری نرونی و هوشمند با الگوبرداری مناسب از نرون‌های موجود در مغز انسان سعی می‌کند تا از طریق توابع تعریف شده ریاضی رفتار درون‌سلولی نرون‌های مغز را شبیه‌سازی کند و از طریق وزن‌های محاسباتی موجود در خطوط ارتباطی نرون‌های مصنوعی ، عملکرد سیناپسی را در نرون‌های طبیعی به مدل در آورد. ماهیت و ذات تجربی و منعطف این روش باعث می‌شود تا در مسائلی مانند مقوله پیش بینی که یک چنین نگرشی در ساختار آن‌ها مشاهده می‌شود و از رفتاری غیرخطی و لجام‌گسیخته برخوردار هستند ، به خوبی قابل استفاده باشد . 

2- شبکه های عصبی مصنوعی

2-1- مفاهیم پایه در شبکه های عصبی مصنوعی

 یک نرون بیولوژیک با جمع ورودی‌های خود که از طریق دندریت‌ها با یک وزن سیناپسی خاص به نرون اعمال می‌شوند ، با رسیدن به یک حد معین تولید خروجی می‌کند . این حد معین که همان حد آستانه می‌باشد ، در حقیقت عامل فعالیت نرون یا غیر فعال بودن آن است .

با توضیحات فوق می‌توان گفت که در مدل‌سازی یک نرون بیولوژیک به طور مصنوعی می‌بایست به سه عامل توجه شود :

نرون یا فعال است یا غیر فعال

خروجی تنها به ورودی‌های نرون بستگی دارد

ورودی‌ها باید به حدی برسند تا خروجی ایجاد گردد]1[.

 2-2- شبکه عصبی پرسپترون2 ساده

فرانک روزن بلات ، با اتصال این نرون‌ها به طریقی ساده پرسپترون را ایجاد و ابداع کرد ، و برای نخستین بار این مدل را در کامپیوترهای دیجیتال شبیه‌سازی و آن‌ها را به طور رسمی تحلیل نمود

3- شبکه عصبی پرسپترون چند لایه ) MLP ( 3

در بسیاری از مسائل پیچیدة ریاضی که به حل معادلات بغرنج غیر خطی منجر می‌شود ، یک شبکة پرسپترون چند لایه می‌تواند به سادگی با تعریف اوزان و توابع مناسب مورد استفاده قرارگیرد . توابع فعالیت مختلفی به فراخور اسلوب مسئله در نرون ها مورد استفاده قرار می‌گیرد . در این نوع شبکه‌ها از یک لایة ورودی جهت اعمال ورودی‌های مسئله یک لایة پنهان و یک لایة خروجی که نهایتاً پاسخ‌های مسئله را ارائه می‌نمایند ، استفاده می‌شود.                                

گره‌هایی که در لایة ورودی هستند ، نرون‌های حسی4 و گره‌های لایة خروجی ، نرون‌های پاسخ ‌دهنده5 هستند . در لایة پنهان نیز ، نرون‌های پنهان6 وجود دارند]2[.

آموزش این‌گونه شبکه‌ها معمولاً با روش پس انتشار خطا7 انجام می‌شود . نمونه‌ای از یک شبکه پرسپترون چند لایه در زیر نمایش داده شده است . شکل (1).

شکل 1- ساختار پرسپترون چندلایه با نرون‌های پنهان tansigو نرون‌های خروجی با تابع خطی]3[.

 شبکه‌های پرسپترون چند لایه می‌توانند با هر تعداد لایه ساخته و به کار گرفته شوند ، ولی قضیه‌ای که ما در این‌جا بدون اثبات می پذیریم بیان می‌کند که یک شبکه پرسپترون سه لایه قادر است هر نوع فضایی را تفکیک کند . این قضیه که قضیة کولموگوروف8 نامیده می‌شود ، بیانگر مفهوم بسیار مهمی است که می‌توان در ساخت شبکه‌های عصبی از آن استفاده کرد نوع خاصی از شبکه‌های عصبی چند لایه به نام پرسپترون تک لایه ) SLP (9می‌باشد . این شبکه از یک لایة ورودی و یک لایة خروجی تشکیل شده است . 

3- شرح تحقیق

3-1- مقدمه

با توجه به حساسیت بالای شبکه‌‌های عصبی به نوع اطلاعات مورد استفاده و همبستگی ورودی‌های شبکه با یکدیگر و متعاقب آن با خروجی‌‌های مربوطه جدای از بحث نوع شبکه و کاربرد آن به عنوان ابزاری جهت تولید جریان مصنوعی می‌‌‌‌بایست دید و نگرشی درست و صحیح نسبت به اطلاعات در دسترس و چگونگی سازماندهی ‌‌آن‌‌‌‌ها برای آموزش و استفاده از شبکه داشته باشیم . هر نوعی از اطلاعات با بازه‌‌های زمانی مختلف لزوماً ما را به سمت هدف مطلوب هدایت نمی‌‌‌کند . در مسائل هیدرولوژیک با توجه به طرح مسئله و اهدافی که از ایجاد شبکه خواهیم داشت نوع آمار از حیث دقت زمانی ( روزانه ، هفتگی ، ماهیانه )متفاوت می‌‌باشد . این فاکتور یکی از عوامل مهم و قابل بحث در کاربرد شبکه‌‌های عصبی به منظور طرح‌های مدیریتی در حوزة منابع آب خواهد بود . علاوه بر آن همبستگی و تاًثیر متقابل ایستگاه‌های ثبت آمار بر یکدیگر را نیز می‌توان به عنوان عامل مهم دیگری در این مبحث معرفی و ارزیابی کرد .

در این قسمت سعی شده در دو بخش مجزا، در دو حوزه آبریز متفاوت، یک‌بار با آمار ماهیانه و یک‌بار با آمار روزانه به تولید جریان مصنوعی با به‌کارگیری شبکه عصبی پرداخته شود واز این طریق با ارزیابی پاسخ‌‌های کسب شده از شبکه علاوه بر تولید جریان مصنوعی نوع آمار به کاررفته و تاًثیر آن بر شبیه‌سازی جریان مصنوعی نیز بررسی گردد.

3-2- استفاده از داده‌های ماهیانه

یک دوره 45 ساله از سال 1330تا 1374  از رودخانه‌های کشف‌رود (ایستگاه آق‌دربند ) و هریرود    (ایستگاه پل‌خاتون ) در دسترس می‌‌باشد که جهت تولید جریان مصنوعی ، با توجه به شکل و نوع شبکه مورد استفاده، به کار گرفته خواهد شد]4[.

شبکه به کار گرفته شده یک شبکه پرسپترون چندلایهMLP)) است که به صورت پیش‌خور10عمل می‌کند و در سه لایه ( یک لایه ورودی ، یک لایه میانی و یک لایه خروجی ) طراحی شده است . تعداد نرون‌های لایه ورودی سه نرون می‌باشد که متعاقب آن‌‌ها سه ورودی به شبکه القاء خواهد شد و خروجی شامل یک نرون است که همان جریان مصنوعی تولید شده در ماه می‌‌باشد در لایه میانی نیز ، نُه نرون وجود دارد . نرون‌های لایه میانی از توابع تبدیل تانژانت سیگموئید و نرون های لایه خروجی از توابع تبدیل خطی به منظور تابع فعالیت استفاده می کنند و متد آموزش شبکه پس انتشار خطا می باشد .

ساختار شبکه بدین گونه است که و و به عنوان ورودی به شبکه القاء می شوند و شبکه نهایتا را نتیجه خواهد داد .

جریان ماهیانه در کشف‌رود در ماه= و جریان ماهیانه در هریرود در ماه= و جریان ماهیانه در هریرود در ماه= و جریان ماهیانه در کشف‌رود در ماه = می باشند .

برای آموزش شبکه از آمار ماهیانة سال‌های 1330 تا  1365 ایستگاه‌های کشف‌رود و هریرود به مدت 36 سال استفاده شده است . این آمار با توجه به دسته‌بندی گفته شده 431 دسته ورودی ایجاد می کنندکه نهایتاً شبکه با توجه به حالات مختلف ورودی‌ها و 431 خروجی متناظر با هر دسته از آن‌ها وزن‌های مرتبط بین نرون‌ها را شناسایی و تثبیت می‌کند . روند نزول کمیت میانگین مربع خطا ) (MSE پس از500 سیکل آموزش بر روی عدد 953/23 ثابت می شود که چندان عدد مطلوبی نیست که این شبکه  نتایج مورد انتظار ما را فراهم نیاورد .

مهم‌ترین مرحله در کار با سیستم هوشمند عصبی ،تست شبکه می باشد در این قسمت هشت سال اطلاعات ماهیانه رودخانه کشف‌رود شبیه‌سازی شده و با آمار واقعی مقایسه می‌گردد و از این طریق کفایت شبکه برای تولید جریان مصنوعی تایید یا نقض می‌شود .

 با بررسی نتایج حاصله می‌بینیم که پارامتر همبستگی مطلوبی از تست شبکه حاصل نمی‌گرددو رابطه رگرسیون بین نتایج شبکه و مقادیر واقعی ماهیانه رودخانه کشف‌رود بیانگر عدم انطباق مناسب نتایج شبکه با مقادیر واقعی می باشد]5[.   A=0.453T+4.22  و  R=0.554   

3-3- استفاده از داده‌های روزانه

حوزة آبریز معرف کارده ، سرشاخة رود کارده و در محدودة شهرستان مشهد می‌باشد . این حوزه ، معرف حوزه‌های آبریز شمال خراسان به شمار می‌رود . رودخانة کارده زهکش اصلی این حوزه را تشکیل می‌دهد که از شمال به جنوب جریان دارد حوزة معرف کارده دارای دو ایستگاه هیدرومتری جُنگ و کارده می‌باشد که میزان آب در داخل حوزه و خروجی حوزه را اندازه‌گیری می‌کنند]6[.

برای استفاده از داده‌های روزانه ازیک شبکه پروسپترون چند لایه ) MLP (  استفاده شده است که رفتار آن به شکل پیش‌خور می‌باشد . این شبکه از سه لایه ; ورودی ، میانی و خروجی تشکیل شده است . در لایه ورودی با توجه به تعداد ورودی‌ها که پنج عدد می‌باشد ، پنج نرون نیز خواهیم داشت در تنها لایه میانی نُه نرون وجود دارد . توابع تبدیل این نرون‌ها تانژانت سیگموئید است  و نهایتاً تنها خروجی شبکه جریان روزانه رودخانه می‌باشد که متناظر با آن یک نرون خروجی خواهیم داشت که تابع تبدیل آن نیز یک تابع تبدیل خطی است نحوه آموزش شبکه متد پس‌انتشار خطا می‌‌باشد . لازم به ذکر است که این روش ‌آموزشی نیز در الگوریتم‌ها و فرم‌های متعددی ارائه شده است . از بهترین و مؤثرترین روش‌ها که در بستة نرم‌افزاری  MATLAB  نیز موجود می‌باشد ، روش  Marquardt - Levenberg  است که به اختصار در محیط  MATLAB   به نام  Lm  شناخته می‌شود و به شدت سرعت همگرایی را افزایش می‌دهد و به نتیجه‌گیری سرعت می‌بخشد .

 همان‌گونه که ذکر شد ،  شبکه مورد نظر از پنج نرون ورودی تشکیل شده است که به صورت زیر می‌باشد : 

جریان روزانه در ایستگاه A در روز= ,جریان روزانه در ایستگاه A در روز=,جریان روزانه در ایستگاه A در روز=,جریان روزانه در ایستگاه B در روز =و جریان روزانه در ایستگاهB در روز=

خروجی شبکه نیز جریان روزانه در ایستگاه  A  می‌باشد :

جریان روزانه در ایستگاه  A  در روز     =   

 هر کدام از رودخانه‌های کارده و جنگ به ترتیب به جای  A و B  در ترکیب بالا قرار می‌گیرند. به عبارتی در دو شبکة مجزا ، یک‌بار جریان در ایستگاه کارده و یک‌بار جریان در ایستگاه جنگ شبیه‌سازی و تولید می‌گردد . برای آموزش شبکه از آمار روزانه سال‌های 1372 و 1373 ایستگاه‌های کارده و جنگ به مدت دو سال استفاده شده است . با توجه به فرم اطلاعات ورودی تعداد 727 دسته ورودی ایجاد می‌شود که متناظر با هر دسته یک خروجی نیز ایجاد خواهد شد که نهایتاً 727 خروجی نیز خواهیم داشت . با تنظیم و تطبیق شبکه با این تعداد ورودی و خروجی در نهایت شبکه هوشمند شده و بهترین وزن‌ها را برای خطوط ارتباطی خود شناسایی و تثبیت خواهدکرد .

در هر کدام از شبکه‌ها جهت همگرایی بهتر و رسیدن به حداقل خطا، آموزش در 400 سیکل انجام شده است روند نزول کمیت میانگین ‌مربع خطا MSE درشبکه مربوط به کارده در عدد 00545/0 و در شبکه مربوط به جنگ در عدد 0026/0 تقریباً ثابت می‌شود که با توجه به میزان MSE ها می‌توان نتایج را رضایت‌بخش دانست .

همان‌گونه که ذکر شد ، مهم‌ترین قسمت در کار با شبکه‌های عصبی ، مرحله تست یا آزمایش شبکه است که در واقع دراین مرحله عملکرد شبکه مشخص می‌شود . برای این قسمت ،  از اطلاعات دوسال 73 و 74 استفاده شده است و به کمک این اطلاعات دو شبکه مورد بحث برای ایستگاه کارده و جنگ به آزمون گذاشته می‌شوند . پارامتر همبستگی و رابطه رگرسیون بین نتایج شبکه و مقادیر واقعی درایستگاه کارده برای اطلاعات آزمایشی نمایانگر عملکرد مطلوب شبکه می باشد .    A=0.83T+0.09  و  R=0.82

در مورد شبکه عصبی جنگ نیز نتایج قابل قبولی بدست می آید . A=0.803T+0.068         و  R=0.867

       از آن‌جا که در بحث پیش‌بینی جریان رودخانه به منظور مدیریت منابع آب ، بیشتر با آمار ماهیانه برخورد خواهیم داشت ، ( قبلاً دیده‌ایم که نرم‌افزارهای تولیدجریان مصنوعی نظیر HEC4و SPIGOT نیز ، جریان ماهیانه را شبیه‌سازی می‌کنند . ) نتایج روزانه بدست آمده را میانگین‌گیری کرده و تبدیل به آمار ماهیانه می‌کنیم و متعاقب آن سری باقیمانده ها را نیز بصورت ماهیانه محاسبه کرده و بررسی مینماییم.

       انتظار داریم که در صورت حصول یک شبکه مناسب و مطمئن میانگین باقی‌مانده‌ها صفر باشد و توزیع آن‌ها یک توزیع نرمال باشد . همچنین استقلال باقی‌مانده‌‌ها نیز از شرایط مهمی است که در یک شبیه‌سازی مطلوب می‌بایست به آن دست یابیم .

     ادعای صفر بودن میانگین ماند‌‌ه‌ها را می‌توانیم به وسیله آزمون فرضیه بررسی کنیم . بدین منظور ، برای ایستگاه جنگ خواهیم داشت :

       با توجه به اینکه سال 73 و 74 شبیه‌سازی شده است لذا یک نمونه 24 تایی از مانده‌‌ها در دست داریم . به عبارتی   همچنین مقدار جامعه نیز معلوم نمی‌باشد . بنابراین می‌توان برای آزمون فرضیه از توزیع  t  استیودنت استفاده کرد]7[. آماره آزمون   می‌باشد. در ایستگاه جنگ با توجه به این که   است و   خواهیم داشت :

    ( آماره آزمون)

با استفاده از جدول توزیع  t . Distribution  برای  23 = 1- n  درجه آزادی و در سطح اعتماد مقدار حاصل می‌شود.

       با توجه به این‌‌که می‌توان نتیجه گرفت که در سطح اعتماد ، فرض مبنی بر این‌‌که میانگین مانده‌‌‌ها در ایستگاه جنگ صفر می‌باشد ، رد نمی‌شود .

در مورد ایستگاه کارده نیز ، بدون توضیحات تکراری آزمون نتایج مشابهی حاصل می نماید .

       یکی از روش‌ها و آزمون‌های متداول که به منظور کنترل نرمال بودن داده‌ها بر روی آن‌ها صورت می‌گیرد ، آزمون چولگی است . دراین آزمون ابتدا مقدار چولگی باقی‌مانده‌‌‌‌ها با رابطه زیر تعیین می‌گردد :

سپس در سطح احتمال   و محدودة اگر رابطه برقرار باشد ، می‌توان گفت که توزیع تقریباً نرمال است]8[. با انجام این آزمون نیز مشخص می شود که سری باقیمانده ها در هر دو ایستگاه تقریباٌ از توزیع نرمال پیروی می کند .تست کلموگروف . اسمیرنوف نیز بر روی مانده‌ها به نتایجی مشابه در رابطه با نرمال بودن آنها منجر می شود .

    استقلال باقی‌مانده‌ها شرط مهم دیگری است که می‌بایست از بوتة آزمایش گذرانده شود تا از این طریق کفایت شبکه عصبی در یک شبیه‌سازی موفق ، بیشتر و بهتر نمود پیدا کند .

       روش‌های مختلفی وجود دارد تا از این طریق استقلال مانده‌ها کنترل گردد . مهم‌ترین و معتبرترین آن محاسبه تابع خود همبستگی وتابع خود همبستگی جزئی برای داده‌ها می‌باشد . این کمیت‌‌ها را می‌توان برای تاًخیرهای متفاوت محاسبه و ارائه کرد . برای تاًخیر‌های از یک تا هفت این توابع برای سری باقیمانده ها در هر دو ایستگاه تعیین شد که برای تمام تاًخیر‌ها این مقادیر در سطح معنی دار صفر قرار گرفت که بیانگر استقلال مانده ها می باشد ]5[. 

4- تولید جریان مصنوعی توسط HEC4  

     HEC4 یکی از قدیمی‌ترین و در عین حال پایه‌ای‌ترین نرم‌افزارهای تولید جریان مصنوعی در رودخانه‌ها می‌باشد]9[.

      لذا در این قسمت به تولید جریان مصنوعی توسط این نرم‌افزار پرداخته شده است تا از این طریق و با مقایسه نتایج اجرای HEC4 با شبکه عصبی و همچنین با جریان واقعی عملکرد شبکه عصبی بهتر و روشن‌تر جلوه نماید.

       برای اجرای  HEC4  و به کارگیری آن ، فایل ورودی برنامه در یک بازة زمانی 9 ساله از سال 1371 تا 1379 نوشته می شود و از برنامه خواسته می‌شود تا در ده سناریوی مختلف به تولید جریان مصنوعی در بازه‌های زمانی 9 ساله بپردازد . البته ملاک عمل و بازه مورد بحث در این‌جا همان سال 73 و 74 می‌باشد که پس از تولید جریان توسط HEC4  این قسمت به صورت ماهیانه با جریان مصنوعی ساخته شده توسط شبکه عصبی ، مقایسه خواهد شد .

       در اشکال (2)و(3) سری‌های تولید شده بوسیله HEC4 ، شبکه عصبی و همچنین جریان واقعی در دو ایستگاه کارده و جنگ جهت مقایسه بهتر در یک نمودار نمایش داده شده است. به خوبی می‌بینیم که برازش و انطباق شبکه عصبی با داده‌های واقعی بسیار بهتر و نزدیک‌تر است و فراز و فرودهای موجود در سناریوی تاریخی ایستگاه‌ها به‌خوبی توسط شبکه شبیه سازی شده است و اوزان و توابع و نرون‌های شبکه متفقاً در یک سیستم موازی ، رفتار تصادفی ایستگاه‌ها را بسیار خوب فرا گرفته‌اند ]5[. 

شکل 2- نمودار جریان واقعی و شبیه‌سازی‌شده توسط HEC4 و شبکه‌عصبی در کارده

شکل 3- نمودار جریان واقعی و شبیه‌سازی‌شده توسط HEC4 و شبکه‌عصبی در جنگ

5- نتیجه‌گیری  

       با بررسی نتایج حاصله از مطالعه موردی که در این تحقیق انجام گرفت می‌توان نتایج این شبیه‌سازی را به صورت زیر خلاصه کرد :

در کار با داده‌های ماهیانه در مطالعه‌ای که درحوزة کشف‌رود و هریرود صورت گرفت  شبکه عصبی ماهیانه عملکرد موفقی از خود نشان نداد و می‌توان این‌گونه ابراز کرد که بازة زمانی ماهیانه برای شبیه‌سازی جریان رودخانه‌ها توسط شبکه عصبی یک محدودة زمانی نسبتاً بزرگ است که شبکه عصبی نمی‌تواند در یک چنین فواصل زمانی اطلاعات را به خوبی فرا گیرد و با یک چنین اطلاعاتی نتایج نسبتاً ضعیفی از خود ارائه می‌نماید .

در عملکرد شبکه عصبی با داده‌های روزانه خواص جریان در دو ایستگاه ، همبستگی‌ها و . . . به خوبی حفظ شده و نتایح بسیار مطلوبی حاصل شده است که به صورت گرافیکی نیز در پایان مقاله   ارائه شده است .

شبکه عصبی در حفظ خواص ماهیانه و سالیانه ( توأماً ) بسیار خوب و توانا عمل می‌کند.

دیده می‌شود که در خواصی همچون همبستگی مکانی و همبستگی با گام یک در فصل تابستان مقداری نتایج حاصله از شبکه عصبی به نسبت دیگر فصول سال ضعیف‌تر است . این مسئله هم در ایستگاه جُنگ و هم در ایستگاه کارده مشاهده می‌شود .

با مقایسه نتایج حاصل از شبیه‌سازی توسط HEC4 و همچنین شبکه عصبی دیده می‌شود که شبکه عصبی بسیار بهتر و دقیق‌تر به تولید جریان مصنوعی پرداخته و عملکردی به مراتب بهتر از خود نشان داده است .

6- سپاسگزاری

از حمایت های همه جانبه کمیته تحقیقات شرکت سهامی آب منطقه‌ای خراسان که بدون آن انجام این تحقیق امکان پذیر نمی بود صمیمانه سپاسگزارم .    

فهرست مراجع

] 1 [. البرزی، محمود ، " آشنایی با شیکه‌های عصبی"  ،انتشارات علمی دانشگاه صنعتی شریف  1380 .

]  2 [. حائری، سید محسن و ساداتی، ناصر و مهین‌روستا، رضا ، "استفاده از شبکه عصبی در پیش‌بینی رفتار تنش ـ کرنش خاک‌های رسی"  ،مجموعه مقالات پنجمین کنفرانس بین‌المللی عمران ، انتشارات دانشگاه فردوسی مشهد 1379 .

[3].Neural Network Toolbox User's Guide , "MATLAB USER MANUAL  " , MATH WORKS Inc 1992-2002 .

]  4 [.قزل سوفلو، عباسعلی ، "پیش‌بینی جریان رودخانه‌ها بمنظور کاربرد در برنامه‌ریزی منابع آب" پایان‌نامه کارشناسی ‌ارشد عمران آب ، دانشکده مهندسی دانشگاه فردوسی مشهد 1376 .

]   5 [.صالحی سده، رضا ، "کاربرد شبکه عصبی مصنوعی در پیش بینی جریان رودخانه" پایان‌نامه کارشناسی ‌ارشد عمران آب ، دانشکده مهندسی دانشگاه فردوسی مشهد 1383 .

]   6 [.سازمان آب منطقه‌ای استان خراسان ، "گزارش آماری حوزه معرف کارده" امور مطالعات بررسی منابع آب. 

]   7 [. عربزاده، بهمن‌ و نیکوکار، مسعود ، "آمار و احتمالات کاربردی" انتشارات نور ، 1369 .

]   8 [. بوداقپور سیامک ، " کاربرد مدل‌های است

جزوه، خلاصه و راهنمای فیزیولوژی اعصاب و غدد - بر اساس کتاب دکتر محمد علی ابراهیمی - رشته روانشناسی پیام نور

اختصاصی از یاری فایل جزوه، خلاصه و راهنمای فیزیولوژی اعصاب و غدد - بر اساس کتاب دکتر محمد علی ابراهیمی - رشته روانشناسی پیام نور دانلود با لینک مستقیم و پر سرعت .

جزوه، خلاصه و راهنمای فیزیولوژی اعصاب و غدد

بر اساس کتاب دکتر محمد علی ابراهیمی

منبع  رشته روانشناسی دانشگاه پیام نور

142 صفحه با فرمت pdf

تحقیق بیمارستان اعصاب و روان

اختصاصی از یاری فایل تحقیق بیمارستان اعصاب و روان دانلود با لینک مستقیم و پر سرعت .

لینک دانلود و خرید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 13

بیمارستان های اعصاب و روان

1- بخش های بستری: بیماران باردار و پس از زایمان، نوزادان، بخش مراقبت های ویژه نوزادان(N-ICU)، داخلی(روماتولوژی)، توانبخشی، اعصاب و روان بزرگسالان و فوق تخصصی اعصاب و روان کودکان.

2-درمانگاهها: مراقبت های قبل از زایمان، روماتولوژی، توانبخشی، درمانگاه روزانه اعصاب و روان (Daily Hospital)، درمانگاه اطفال.

3-خدمات درمانی: اتفاقات زنان و زایمان، اتاق عمل، اتاق درد، رادیو لوژی، آزمایشگاه، داروخانه، فیزیو تراپی، مامو گرافی، سو نو گرافی عمومی وزنان، واحدE.R.C.P(اندوسکوپی و عکسبرداری مجاری صفراوی و پانکراس و در آوردن سنگهای مجاری صفراوی و گذاشتن استنت). انجام آزمایش B HCG(تست سریع حاملگی از طریق خون)، تست بررسی همو گلوبین جنینی در خون مادران RHمنفی(KHB-Test)، انجام آزمایشات سیتو لوژی و پاتولوژی، آزمایش GBS(تست تشخیص میکروب در واژن) در خانم های باردار، آزمایشات خاص رو ماتولوژی از قبیل ANA، DNA ds و...، تست NST(نوار قلب جنین)،OCT(تست قلب جنین) و ECG(نوار قلب)، انجام EMG(تست نوار عصب)،ECT (انجام شوک عصبی با بیهوشی جهت درمان بیماران اعصاب و روان)، تست ABG(آزمایش گازهای خون)،

براساس تحقیقات انجام شده منشاء ‪ ۷۵‬درصد بیماریهای اعصاب و روان ، مشکلات اجتماعی است.

که‪ ۲۵‬درصد دیگر ناشی از مسایل و مشکلات خانوادگی است.

بیماریهای اعصاب و روان در بین زنان شایع تر است و نسبت بروز این بیماری در بین زنان حدود ‪ ۱۲‬تا ‪ ۲۵‬درصد و مردان شش تا‪ ۱۰‬درصد است.

تئاتردرمانی

تئاتردرمانی به شکل عملی و نظام یافته، از اواسط دهه‌ی بیست و اوایل دهه‌ی سی در جهان، مورد بهره‌برداری واقع شد. به خصوص درنیمه‌ی دوم قرن بیستم در غرب،‌ رشد فراوانی پیدا کرد. ژاکوب لویی مورسنو، روانپزشک آمریکایی، نقش مهمی در انسجام اصول تئاتر‌درمانی داشت و به خصوص کتابی که در سال 1947 با عنوان «‌تئاتر خودجوش یا « ارتجالی»نوشت، اساس و شیوه‌ی تئاتر‌درمانی را تعریف و تبیین می‌کرد.

مورنو، بنیان‌گذار تئاتر‌درمانی عملی، تئاتر درمانی و روان تماشا را شرح زیبایی‌شناسانه‌ی آزادی تعریف می‌کند. شیوه‌ای که انسان می‌تواند به گونه‌ای آزاد و بدون ترس از خطا، خویشتن و توانایی هایش را تجربه کند. تئاتر درمانی و روان تماشا، کارکردهای متفاوت تئاتر در زمینه‌ی شفابخشی روحی فرد و یا پرورش خلاقیت‌های وی می‌باشد. دراماتراپی یا تئاتردرمانی، بهره‌گیری از جنبه‌های دراماتیک و زیبایی شناختی هنر نمایش، جهت تأثیر گذاری بر شخصیت فرد است. این عمل می‌تواند با بازی نقش صورت بگیرد، در عین حال روان‌تماشا یا سایکودراما، استفاده از امکانات‎ مشترک علم روان‌شناسی و هنر تئاتر، جهت حذف رفتار نادرست و یا اصلاح آن است، که اصولاً بر مبنای بداهه پردازی و عمل پیش می رود. بنابراین، روان‌تماشا یا سایکودراما، با آمیزه‌ای از هنر تئاتر و روان شناسی در مطب پزشک، جهت شناخت و اصلاح رفتار فرد مورد استفاده قرار می گیرد. در واقع روان‌تماشا، مقوله‌ای هنری نبوده و تنها فنونی در آن موجود است که روان درمان‌گر به یاری آن‌ها، فرد را از مرحله‌ی تخیلات، وارد مرحله‌ی عمل و رفتار می‌کند و با استفاده از بازی‌های‎ خاص نمایشی، او را در مواجهه‌ی مستقیم با مشکلش قرار می‌دهد تا در همان مطب پزشک، به یاری « من‌های یاور » یا “Auxiliary egos” در عمل شیوه‌ ای برای حل مشکلش پیدا کند. در واقع سایکودراما، بر اساس خاصیت شفابخشی‎ حاصل از ادغام بازی و عمل بداهه می‌باشد.

لیکن در دراماتراپی عملاً بداهه سازی وجود ندارد و آن موقعیت که بیمار در آن قرار گرفته، گوشه‌ای از زندگی و شخصیت واقعی وی می‌باشد که گوشه‌هایی از زندگی ناپیدای شخص را آشکار می‌کند و مراحل مختلف رشد شخصیت را از طریق بازی‌های دراماتیک امکان‌پذیر می‌سازد و در واقع دراماتراپی حالتی است که آن روی‎ سکّه‌ی زندگی‎ فرد را نشان می‌دهد. گریز از بیرون به درون‎ شخص وکنکاش در احساسات روحی‎ وی از قبیل ترس‌ها، هیجانات و آن‌چه که شخص در حالت عادی قادر به بروز آن نیست. لذا اصولاً نمایش‌نامه‌ها نمی‌توانند در قالب کار سایکودرام قرار گیرند. زیرا چنان که ذکر شد، سایکودراما بر اساس بداهه و تخیل پیش می‌رود اما در تئاتر درمانی یا دراماتراپی، کاربردهایی را از لحاظ شخصیت پردازی و یا روان شناسی‎ شخصیت دارا هستند.

نکته‌ی دیگر آن است که تئاتردرمانی با آن تئاتر که بر روی سن اجرا می‌شود (تئاتر هنری) تمایزاتی را داراست:

تئاتردرمانی،‌ با جنبه‌های کاربردی هنر تئاتر درگیر بوده و بیشتر ساختار درمانی آن را مد نظر دارد. ساختار درمانی که دراماتراپ از آن‌ها درجهت رشد خلّاقیت و پیدایش الگوهای رفتاری‎ مناسب بیمار بهره می‌جوید . تئاتر درمانی و نمایش روانی عمدتاً در حیطه‌ی اختلالات عاطفی و بیماران نوراتیک کاربرد دارد‎، و بیماران سایکوتیک « روان پریش»که از هذیان و توهم رنج می‌برند، معمولاً به شیوه‌های سایکودرام پاسخ نمی‌دهند. از سوی دیگر، سایکودرام برای عقب ماندگان ذهنی و افرادی که بهره‌ی هوشی کمتری دارند نیز وجود دارد. اما اصولاً این نوع روش‌ها برای بیمارانی با هوش متوسط به بالا، بهتر جواب می‌دهد و از آن جا که سایکودراما و دراماتراپی فراهم نمودن شرایطی دلخواه و امن برای زندگی است، بیمار با بالا بردن ضریب اطمینان خویش و تقویت قدرت بداهه و خلّاقیت به بروز احساسات فروخفته‌ی خود می‌پردازد فلذا از این دو روش درمانی نه‌ تنها برای درمان بیماران روانی و یا کسانی که دارای اختلالات رفتاری هستند استفاده می‌گردد که قابلیت‌های زیادی را در حیطه‌ی آموزشی، تبلیغاتی و جامعه پذیری و نفوذ اجتماعی داشته و در سراسر جهان از آن در برخورد با بزهکاران، معتادان و … و آموزش و تربیت آن‌ها به کار می‌رود، زیرا چنان که ذکر شد، از آن‌جا که شخص موقعیتی را در پیش روی خود می بیند که قادر است تمایلات درونی خویش را به نحو فعال و بدون واهمه بروز دهد، به تدریج موانع حسی و سرکوب های عاطفی وی کنار رفته و بیمار می‌تواند گام مؤثّری راجهت شناخت خود و مشکلاتش بردارد و این گونه بود که ابتدا در بیمارستان‌ها تحت نظر روان‌درمانگر، بیماران فعالیت‌های خاصّی را انجام می‌دادند که به تدریج این اعمال شکل نمایشی به خود گرفتند.

لیکن در زمان کنونی، جایگاه‌ ویژه‌ای در مطب‌های روان‌شناسان برای تئاتردرمانی یا روان‌تماشا وجود ندارد اما سرچشمه‌ها و ریشه‌هایی از آن در داستان‎ عطّار در کتب الهی نامه و مصیبت نامه‌ی وی موجود است که با اجبار شخصیت‌ها با عمل و بیان خویشتن، اصول اوّلیّه‌ی تئاتر را اجرا می‌کند. در قصه‌های مثنوی معنوی، هزارویکشب، مخزن‌الاسرار نظامی و پنج‌گنج نیز ما با تکنیک‌هایی مبتنی بر شفابخشی‎ نمایشی، به وفور مواجه می‌شویم. در غرب نیز نمایش‌نامه‌های زیادی به گونه‌ای ناخودآگاه در این زمینه‌ها نوشته شده ‌اند که می‌توان از آثار تنسی ویلیامز، ادوارد آلبی، آرنولد وسکر و ... و همچنین نمایش‌نامه‌های تراژیک شکسپیر از قبیل هملت، اتللو و مکبث نام برد که با موشکافی خاص در حیطه‌ی روان انسان عمل نموده و ناخودآگاه جمعی را تحت تأثیر قرار می دهند.

فقط برای بیماران روحی و ورانی مؤثر است یا تأثیری در درمان بیماری‌های جسمی هم دارد؟

تئاتردرمانی روی بیماری‌های جسمی تأثیر مستقیم ندارد، مگر بیماری‌هایی که ریشه روان- تنی یا ریشه تمارض داشته باشند. یعنی فرد به دلیل مشکلات و مسائل روحی و روانی‌اش خود را بیمار نشان دهد. سایکو دراما (نمایش‌روانی) یا تئاتردرمانی مستقیماً روی روان انسان تأثیر می‌گذارد و در یک محیط امن و دربسته امکان تمرین زندگی را فراهم می‌آورد تا بیماران موقعیت‌هایی را تجربه کنند که در زندگی واقعی نمی‌توانند آن را به دست بیاورند؛ موقعیت‌هایی را تمرین می‌کنند و عواقبش را هم می‌بینند. عواقبی که در محیط این تئاتردرمانی خیلی وحشتناک نیست، اما اگر این عواقب در بیرون اتفاق بیفتد ممکن است برای شخص خیلی گران تمام شود. مثلاً آدمی که دچار