مقدمه: از جمله عواملی که باعث ایجاد خطا در طراحی درمان می گردد و منحنی های هم دوز را دچار آشفتگی می سازد وجود بافت های با چگالی خیلی بالا یا خیلی کم مانند استخوان، بافت ریه، هوا و پروتزها می باشد. امروزه استفاده از تصاویر CT جهت حل این مشکل رو به گسترش می باشد بنابراین داشتن یک منحنی که بتوان بر اساس CT-number (عدد هانسفیلد)، مقدار دقیق چگالی الکترونی را تخمین زد لازم است. روش معمول بدست آوردن این منحنی، تصویربرداری از فانتوم هایی است که از مواد مختلف با چگالی های الکترونی مشخص ساخته می شوند. سپس با استفاده از مقادیر CT-number و با توجه به چگالی الکترونی مواد مختلف می توان منحنی کالیبراسیون را بدست آورد. اما در این تحقیق از روشی محاسباتی بنام استویکیومتری استفاده شده است که در آن CT-number بافت با استفاده از CT-number اندازه گیری شده برای مواد جایگزین بافت و دانستن ترکیب شیمیایی بافت پیش بینی می شود.مواد و روشها: برای محاسبات به روش استویکیومتری در ابتدا یک فانتوم از جنس پلی اتیلن ساخته شد و در این فانتوم مواد مختلفی با چگالی الکترونی و ترکیبات شیمیایی مشخص جداسازی گردید که این مواد شامل آلومینیوم خالص، PVC، پلی اتیلن، آب و چوب پنبه برای مدل کردن استخوان سخت، اسکلت، چربی، ماهیچه و بافت ریه می باشند. با استفاده از دستگاه سی تی اسکن GE مدل NXI با انرژی 120kVp از فانتوم تصویربرداری صورت گرفت.نتایج: با استفاده از CT-number حاصل از تصویربرداری فانتوم و مقادیر معلوم قبلی، یک دستگاه چندمعادله و چند مجهول جهت بدست آوردن معادله اصلی m حاصل شد. ضرایب ثابت در معادله m عبارتند از: Kcoh= -8.9´10-5, KKN= 0.1562 و Krh= 7.611´10-6. برای سنجش میزان دقت در این روش با جایگذاری آلومینیوم در معادله و مقایسه CT-number به صورت تجربی و محاسباتی، بالاترین مقدار خطای محلی 5.6% و برای پلی اتیلن خطای محلی 4% می شود.بحث و نتیجه گیری: با استفاده از معادله اصلی و با توجه به ترکیب شیمیایی عناصر موجود در بافت های مختلف بدن مقدار CT-number برای هر بافت تخمین زده می شود و در نهایت منحنی تغییرات CT-number بر حسب چگالی الکترونی رسم شده است که در نقطه CT-number معادل صفر که مشخصه آب است، منحنی ها از یکدیگر جدا می شوند. در این روش با افزایش چگالی الکترونی مواد، میزان خطا نیز افزایش می یابد. مقایسه نتایج بدست آمده از روش تجربی و روش محاسباتی حاکی از دقت مناسب روش فوق می باشد.

چهار گونه از دو زیر جنس پیازهای ایران، با استفاده از تکنیک اسکواش و رنگ آمیزی فولگن، مورد ارزیابی کروموزومی و کاریوتیپی قرار گرفتند. سطح پلوییدی گونه هایA. Longivaginatum، A. hooshidaryae و A. remediorum (2n = 2x = 16) برای نخستین بار گزارش می شود. نتایج نشان داد که A. rotundum تتراپلویید (2n=4x= 32) است. دو تیپ کروموزومی (‘ ‘ m’ ’ , ‘ ‘ sm’ ’ ) فرمول های کاریوتیپی مختلفی را تشکیل دادند. میانگین طول کروموزوم بین 8/7-56/13 میکرومتر، متغیر بود. نتایج نشان می دهد که گونه A. longivaginatum دارای نامتقارن ترین کاریوتیپ است. متن کامل این مقاله به زبان انگلیسی می باشد. لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

فرض کنید G=(V, E) گرافی ساده با مجموعه رئوس V و مجموعه یال های E باشد. تابع f: E(G)→ Ƥ ({1, 2}) یک تابع احاطه گر یالی 2-رنگین کمان (E2RDF) برای گراف G نامیده می شود، هرگاه برای هر یال e با شرط f(e)=∅ داشته باشیم ⋃ _(e^'∈ N(e))▒ 〖 f(e^' )={1, 2}〗 که N(e) همسایگی باز یال e می باشد. وزن یک E2RDF برابر است با ω (f)=∑ _(e∈ E(G))▒ 〖 |f(e)|〗 . عدد احاطه ای یالی 2-رنگین کمان G را که با نماد γ _er2 (G) نمایش می دهیم، کمترین وزن یک E2RDF در گراف G است. فرض کنید S دنباله ای از درجات رئوس گراف G باشد که به صورت صعودی مرتب شده اند. عدد پوچساز a(G) برابر با ماکسیمم مقدار عدد صحیح k است به طوری که حاصل جمع k جمله اول از دنباله S از تعداد یال های گراف G بیشتر نباشد. در حالت کلی این دو پارامتر قابل مقایسه نیستند. در این مقاله رابطه بین عدد احاطه ای یالی 2-رنگین کمان و عدد پوچساز در درخت ها را بررسی کرده و نشان می دهیم برای هر درخت T از مرتبه n≥ 2، . γ _er2 (T)≤ a(T)

عدد کروموزومی و کاریوتیپ گونه های: (2n=32) Ranunculus dolosus (Ranunculaceae) وSilene conoidea (Caryophyllaceae)، ((2n=24 از ایران گزارش می شوند. رویشگاههای طبیعی این گونه ها شمال غرب ایران است. ایدیوگرام گونه ها ارائه شدند. تقارن کاریوتیپی در گونهRanunculus dolosus؛ 1B و در گونه Silene conoidea؛ 1A می باشند. فرمول کاریوتیپی در گونهRanunculus dolosus؛ 8m+6sm+2st و درگونهSilene conoidea؛ 12m می باشند. متن کامل این مقاله به زبان انگلیسی می باشد. لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

متن کامل مقاله های این شماره به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقالات به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

دولین یکی از لندفرم های شاخص مناطق کارستی است که در اثر عوامل و فرآیندهای گوناگونی شکل می گیرد. مطالعه مورفومتریک این عوارض علاوه بر اینکه یک تحلیل کمی از محیط های کارستی را فراهم می کند، بلکه مقایسه پارامترهای متنوع دولین ها ممکن است منجر به طرح فرضیاتی در مورد نحوه تکامل آن ها شود. هدف از این پژوهش تجزیه وتحلیل کمی مولفه های مورفومتری دولین ها جهت مدل سازی و ارائه شاخص بعد فرکتال گسل ها برای ارزیابی فعالیت گسل ها در مناطق کارستی بین پرآو و شاهو است.در این راستا از روش های ژئومورفومتری، CCLs، شمارش جعبه ای هاسدورف و تکنیک های آنالیز رگرسیون استفاده شده است تا امکان تحلیل رگرسیون، مدل سازی و حل تابع لگاریتمی number – Size فراهم شود. نتایج آنالیز رگرسیون خطی تک متغیره نشان دهنده این است که مولفه های محیط با قطر بزرگ، قطر کوچک با محیط، قطر بزرگ با مساحت، مساحت با محیط و عمق با مساحت به ترتیب با ضرایب تبیین 0.93، 0.86، 0.85، 0.83 و 0.668 از بیشترین میزان همبستگی معنی دار برخوردارند. همچنین حداکثر ارتباط معنی داری برای روابط درجه 2 و 3 در سطح معنی داری0.99 ، بین مولفه های مساحت و محیط با ضرایب تبیین 0.940 و 0.945 و خطای برآورد0.05  و 0.04 وجود دارد. نتایج رگرسیون چند متغیره خطی نیز موید ارتباط معنی دار عمق با پارامترهای شیب، قطر کوچک و مساحت با ضریب تبیین 0.834 و خطای برآورد 7.85 است. تخمین بعد فرکتال در مناطق مورد مطالعه موید آن است که منطقه شاهو و پرآو به ترتیب با مقادیر 1.24 و 1.15 دارای بیشینه و کمینه ابعاد فرکتالی گسل ها می باشند. در واقع ارزیابی میزان فعالیت گسل ها به وسیله هندسه فرکتال نشان داد که معادله number – Size و شاخص بعد فرکتال روشی مناسب جهت ارزیابی گسل ها در مناطق کارستی می باشند.

یک تابع احاطه گر 2-رنگین کمانی (2RDF) از یک گراف G یک تابع f از مجموعه رئوس V(G) به مجموعه تمام زیرمجموعه های مجموعه {1,2} است به طوری که برای هر راس vÎV(G) با شرط Æ= f(v)داشته باشیم {1,2}=UuÎN(v) f(u)، جایی کهN(v)  همسایگی باز است. وزن یک تابع f 2RDF مقدار  w(f)=SvÎVïf(v)ïاست. عدد احاطه گر 2-رنگین کمانی یک گراف نمایش داده شده با Yr2(G) حداقل وزن یک RDF2 گراف G است. عدد پوچساز a(G) بزرگترین عدد صحیح k است به طوری که مجموع اولین k جمله دنباله درجات غیرنزولی گراف G حداکثر تعداد یال های G باشد. در این مقاله ثابت می کنیم برای هر درخت T با حداقل دو راس Yr2(T)£a(T)+1.     متن کامل این مقاله به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

عدد متمایز کننده D(G)، گراف G عبارت است از کوچک ترین عدد صحیح d به طوری که گراف G دارای رنگ آمیزی رأسی با d رنگ است که تنها تحت خودریختی همانی حفظ می شود. به صورت مشابه، شاخص متمایزکنند ه D'(G) از گرا ف G، کوچک ترین عدد صحیح d است که برای آن گراف G دارای یک رنگ آمیزی یالی با ی رنگ باشد که تنها تحت خودریختی همانی حفظ می شود. فرض کنیم G گراف همبند از مرتبه ی n≥ 3 و c: E(G) → {1, 2, … , k} یک رنگ آمیزی از یال ها ی G است (ممکن است یال های مجاور، رنگ های یک سانی داشته باشند). برای هر رأ س v ا ز G ، کد رنگی v با توجه به رنگ آمیزی c ، k-تایی مرتب c(v)= (a1, a2, … ak) است که در آن ai تعداد یال های به رنگ i، 1≤ i≤ k ، واقع بر v است. رنگ آمیز ی c قابل شناسایی است اگر رئوس مختلف، کدهای رنگی متفاوتی داشته باشند. عدد شناسایی det (G) گراف G ، کوچک ترین عدد صحیح و مثبت k است که برای آن گرا ف G یک رنگ آمیزی قابل شناسایی با k رنگ داشته باشد. در این مقاله، رابطه ی بین عدد و شاخص متمایزکننده با عدد شناسایی یک گراف بررسی می شود. به ویژه، نشان می دهیم شاخص متمایز کننده هر گراف همبند حداکثر با عدد شناسایی آن برابر است، یعنی، D'(G)≤ det (G) است.