نام پژوهشگر: محسن میرحسینی

انتخاب و برآورد توابع مفصل ارشمیدسی در مدل سازی داده های چندمتغیره
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه یزد - دانشکده ریاضی 1393
  فائقه خوشنودی   علی دولتی

مسئله پیدا نمودن مدل احتمالی برای داده های چند متغیره یکی از مسائل چالش برانگی در آمار است. یکی از راهکارهای حل این مسئله استفاده از توابع مفصل است؛ به این ترتیب که اگر تابع مفصل مناسبی برای داده هایی پیدا کنیم با داشتن توزیع های حاشیه ای می توان توزیع توأم مناسی برای داده ها را به دست آورد. از جمله روش های موجود رای پیدا نمودن مدل مناسب برای توابع مفصل معیار اطلاع شعاعی (ric) است.در کلاس توابع مفصل ارشمیدسی این روش به طور همزمان هم پارامترهای وابستگی را برآورد می کند و هم آزمون نیکویی برازش انجام می دهد. در این پایان نامه پس از مروز برخی روش های برآورد و نیکویی برزش تابع مفصل به روش ric پرداخته شده و نتایج نظری به دست آمده با شبیه سازی و داده های واقعی مورد بررسی قرار می گیرد.

تهیه و کاربرد جدید از نانو fe3o4-so3h در سنتز کینولین ها
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه یزد - دانشکده علوم پایه 1393
  محسن میرحسینی   عباسعلی جعفری

به دلیل اهمیت بیولوژیکی و کاربردهای دارویی کینولین ها و محدودیت روش های سنتز آن ها با استفاده از مواد اولیه و کاتالیست های مختلف، در این پایان نامه روشی موثر برای سنتز کینولین ها به روش فریدلاندردر دمای اتاق و زمان کوتاه و در شرایط بدون حلال با استفاده از نانو کاتالیست مغناطیسی fe3o4@?fe2o3-so3h به عنوان یک کاتالیست قابل بازیافت، ارزان و دردسترس ارائه شده است. سنتز کینولین ها از 2-آمینوکتون ها و 1و3-دی کربونیل ها در حضور 03/0 گرم از نانوکاتالیست fe3o4@?fe2o3-so3h در دمای اتاق انجام شده و سنتز مربوطه با بازده خوب تا عالی بدست آمده اند. پس از جداسازی کاتالیست با آهنربای خارجی به مخلوط واکنش اتانول اضافه شد و محصول جامد به آسانی صاف شد.کاتالیست fe3o4@?fe2o3-so3h که به آسانی با استفاده از یک آهن ربای خارجی جدا می شود پس از شستشو با اتانول و خشک شدن در دمای ?c 40 بازیافت شده و بدون کاهش در فعالیت کاتالیستی تا چهار مرتبه مورد استفاده ی مجدد قرار گرفت.

تعیین میزان اثربخشی درمانهای مدیکال ضد انعقادی و ترومبولیتیک در بیماران مبتلا به ترومبوآمبولی ریوی در بیمارستانهای امام خمینی و مسیح دانشوری تهران از سال 1385 تاانتهای سال 1387
پایان نامه دانشگاه آزاد اسلامی واحد علوم پزشکی تهران - دانشکده پزشکی 1389
  محمدجواد معتمدی   محسن میرحسینی

هدف: این مطالعه به منظور بررسی میزان اثربخشی درمانهای مدیکال ضد انعقادی و ترمبولیتیک در بیماران مبتلا به ترومبوآمبولی ریوی در بیمارستانهای امام خمینی و مسیح دانشوری تهران از سال 1385 تا انتهای سال 1387 انجام شده است. روش مطالعه : این مطالعه به صورت یک کوهورت گذشته نگر انجام شده است. جمعیت مورد بررسی را بیماران مبتلا به ترومبوآمبولی ریوی در بیمارستانهای امام خمینی و مسیح دانشوری تهران از سال 1385 تا انتهای سال 1387 تشکیل می دادند. انتخاب نمونه ها به صورت تصادفی ساده از بین بیماران مذکور صورت گرفت. یافته ها: 6/63 درصد مذکر و 4/36 درصد مونت بودند. میانگین سنی بیماران مورد بررسی 5/51 سال بود. 5/95 درصد هپارین، 5/4 درصد lmwh، 5/95 درصد وارفارین و 5/54 درصد sk دریافت نمودند. 5/4 درصد تحت درمان جراحی قرار گرفتند و 1/6 درصد فیلتر ivc داشتند. 8/28 درصد در کمتر از یک ماه، 3/33 درصد بین 1 ماه تا 1 سال و 8/34 درصد بعد از یک سال فوت نمودند. میزان بقا در صورت وجود تاکی پنه، p.cp، r.jvp، نتایج سونوگرافی داپلر به نفع dvt و یا سایر اختلالات عروقی و سن بالا کاهش می یافت (p<0.05). نتیجه گیری : در انتها چنین استنباط می شود که با توجه به عدم تأثیر درمان ترومبولیتیک در مقایسه با درمان ضد انعقادی در بقای بیماران و همچنین وجود عوارض جانبی بیشتر در استفاده از این روش درمانی، روش درمانی ضد انعقادی به عنوان روش ارجح در درمان این بیماران توصیه میگردد.

برآورد پارامتر در داده های غیر کامل با استفاده از الگوریتم em
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت معلم تهران - دانشکده علوم 1378
  محسن میرحسینی   عین الله پاشا

یکی از روشهای برآورد پارامتر در حالتی که مشاهدات به طور کامل در دسترس باشند، روش برآورد ماکزیمم درستنمایی (maximum liklihood estimate) است . زمانی که مشاهدات به طور کامل موجود نباشد که فقدان قسمتی از داده ها ممکن است مقادیر گمشده و یا از مکانیزم سانسور کردن و ... ناشی شده باشد، بدست آوردن ماکزیمم درستنمایی (mle) کاربی بس دشوار است . الگوریتم em، یکی از ابزاری است که در این زمینه کارآیی وسیعی دارد. الگوریتم em، یک روش با تکرار است که در هر تکرار دو گام را شامل می شود: گام e (گام امید ریاضی): محاسبه q(, (k)) که: q((, (k)e (k) {log lc() y} گام m (گام ماکزیمم سازی): انتخاب (k+1) برای هر مقداری از که q(, (k)) را ماکزیمم کند. به عبارت دیگر: q((k+1), (k))>q(, (k) بحث پیرامون تئوری اساسی الگوریتم em و نرخ همگرایی آن بخشی از این پایان نامه را تشکیل می دهد. در ادمه برخی ویژگیهای الگوریتم em و انتقادی وارد بر آن را برمی شماریم و مباحثی دیگر درباره الگوریتم em را مورد بررسی قرار می دهیم.