زمینه و هدف: سرطان سینه  به دلیل رشد غیرقابل کنترل سلول های غیرطبیعی در سینه ایجاد می شود. در هر دو نوع تومورهای سرطانی خوشخیم و بدخیم، رشد سریع و زیاد سلول ها وجود دارد. امروزه، ﺑﺎ ﺗﻮﺟﻪ به ﮔﺴﺘﺮش ﺗﮑﻨﻮﻟﻮژی، ﺗﺸﺨﯿﺺ ﺑﯿﻤﺎریﻫﺎ از ﺣﺎﻟﺖ تهاﺟمی ﺧﺎرج ﺷﺪه و تلاش ﭘﺰﺷﮑﺎن و ﻣﺘﺨﺼﺼﺎن ﺑﺮ ایﻦ اﺳﺖ ﮐﻪ ﺗﺸﺨﯿﺺ بیماری را ﺑﺪون ﺟﺮاﺣﯽ و از روی ﺗﺼﺎویﺮ ارﮔﺎنﻫﺎی داﺧﻠﯽ اﻧﺠﺎم دﻫﻨﺪ. 
مواد و روش ها: پژوهش حاضر مطالعه ‏ای بر اساس بررسی اطلاعات پایگاه داده‏ی تصاویر دیجیتال ماموگرافی ( (DDSM می‏ باشد، که روشی جدید برای تشخیص و آشکارسازی توده ‏های سرطانی تصاویر ماموگرافی با استفاده از استخراج ویژگی های هندسی و بهینه‏ سازی پارامترهای الگوریتم ماشین بردار پشتیبان (SVM)، به منظور طبقه بندی خودکار توده های سرطان سینه ارائه شده است. در ابتدا پیش ‏پردازش تصاویر ماموگرافی انجام می شد، سپس با استفاده از روش آستانه‏ گذاری، مرزهای توده ها مشخص شد و سپس با عملگرهای مورفولوژی این مرزها بهبود یافته و درنهایت قطعه بندی تصاویر برای طبقه ‏بندی نوع توده ‏های سرطانی بافت سینه انجام شد. در مرحله نهایی با استفاده از روش بهینه‏ سازی پارامترهای طبقه‏ بندی کننده‏ی SVM با کمک الگوریتم بهینه ‏سازی ملخ، و استفاده از روش اعتبارسنجی 4-fold طبقه بندی داده‌ها به دو دسته ‏ی خوشخیم و بدخیم انجام شد.
ملاحظات اخلاقی: در این پژوهش از تصاویر پایگاه داده‏ ی DDSM استفاده شده است. لازم به ذکر است که تصاویر موجود در این پایگاه داده بصورت رایگان جهت دسترسی وجود دارند.
یافته ها: بهترین نتایج شاخص ‏های صحت، حساسیت و اختصاصیت (ویژگی) به ازای به‌کارگیری تابع کرنل (RBF) پیش از انجام عملیات بهینه‏ سازی پارامترهای طبقه ‏بندی کننده ‏ی SVM به ترتیب برابر با 97%، 100% و %96 بدست آمد. همچنین، بهترین نتایج شاخص‏ های صحت، حساسیت و اختصاصیت به ازای به‌کارگیری تابع کرنل خطی، پس از انجام عملیات بهینه‏ سازی پارامترهای طبقه‏ بندی کننده ‏ی SVM با الگوریتم بهینه ‏سازی ملخ، به ترتیب برابر با %100، %100 و %100 بدست آمد که نشان ‏دهنده ی دقت بالای روش پیشنهاد شده در این مقاله است.. متوسط مقادیر شاخص ‏های صحت، حساسیت و اختصاصیت به ازای بکارگیری هر سه تابع کرنل SVM و پس از اعمال الگوریتم بهینه‏ سازی، به ترتیب برابر با 95/83، 100 و 94/81 درصد به دست آمد.
نتیجه گیری: بر اساس روش پیشنهاد شده در این مقاله، ویژگی های هندسی به‌دست آمده از بافت توده‏ های سرطانی سینه جهت آموزش مدل و تشخیص نوع توده سرطان سینه دارای کارایی بالایی است و روش  بهینه سازی ملخ  با انجام بهینه سازی پارامترهای طبقه ‏بندی کننده، دقت کلی تشخیص روش ارائه شده را بهبود بخشیده است. بنابراین نتایج حاصل از این پژوهش نشان ‏دهنده ‏ی عملکرد بالای روش پیشنهاد شده در مقاییسه با سایر پژوهش های پیشین انجام شده در این زمینه است.

مقدمه: شیوع بیماری کووید- 19 باعث تأثیر بر روند نحوه آموزش در مدارس و دانشگاه‌ها شد. بنابراین پژوهش حاضر، با هدف بررسی اثربخشی آموزش مجازی مبتنی بر چندرسانه‌ای تعاملی، فیلم و عامل آموزش بر میزان یادگیری و بار شناختی در دانشجویان در شرایط کووید-19 دانشجویان تحصیلات تکمیلی انجام گرفت.
روش کار: روش پژوهش حاضر شبه آزمایشی بود. جامعه آماری پژوهش شامل کلیه دانشجویان کارشناسی ارشد رشته علوم تربیتی در درس روش تحقیق در سال تحصیلی 1400 -1399 به تعداد 36 نفر بودند که در سه کلاس مختلف حضور داشتند.
یافته‌ها: نمونه آماری نیز شامل سرشماری از جامعه مورد پژوهش، به تعداد 36 نفر بود که به روش تصادفی در سه گروه آموزش مبتنی بر چند رسانه تعاملی (9 نفر)، آموزش مبتنی بر فیلم (16 نفر) و عامل آموزشی (11 نفر) قرار گرفتند و به پرسشنامه بارشناختی پاس (1994) پاسخ دادند. جهت تجزیه و تحلیل داده‌ها نیز از تحلیل کوواریانس تک متغیره و از طریق نرم افزار آماری SPSS-23 استفاده شد. این پژوهش در دانشگاه آزاد اسلامی - واحد اراک بررسی و با شناسه اخلاق IR.IAU.ARAK.REC.1401.096 مصوب گردید. رضایت آگاهانه بودن آزمون از شرکت کنندگان دریافت و به آنها اطمینان داده شد که اطلاعات ایشان محرمانه خواهد بود.
نتیجه گیری: نتایج نشان داد بین هر یک از گروه‌های چندرسانه‌ای تعاملی و فیلم با عامل آموزش تفاوت معنی داری در متغیرهای یادگیری و بار شناختی سطح خطای 05/0 وجود دارد و این گروه‌ها در متغیرهای یادگیری و بار شناختی عملکرد مطلوب‌تری داشتند. می‌توان بیان داشت که می‌توان از آموزش مجازی مبتنی بر چندرسانه‌ای تعاملی و فیلم در افزایش یادگیری و بار شناختی بهره گرفت و باعث پیشرفت تحصیلی دانشجویان شد.