زمینه و هدف: در کشور ایران یک چهارم زوج ها تجربه ناباروری داشته‌اند که این مشکل می تواند بر ابعاد مختلف زندگی زناشویی تاثیرگذار باشد. این مطالعه با هدف مقایسه ویژگی‌های روانشناختی در زنان بارور و نابارور مراجعه کننده به مراکز بهداشتی و مرکز ناباروری در شهر قم انجام شده است.
مواد و روش‌ها: این مطالعه از نوع توصیفی-تحلیلی مقطعی روی 160 نفر از زنان انجام گرفت. 80 نفر از زنان در سنین باروری بوده و برای دریافت مراقبت‌های روتین کودکانشان به مراکز بهداشتی مراجعه می نمودند و 80 نفر دیگر از میان زنان نابارور مراجعه کننده به مرکز ناباروری بودند که به صورت تصادفی ساده انتخاب گردیدند. داده‌ها با استفاده از پرسشنامه‌های استاندارد اضطراب، افسردگی و سازگاری زناشویی جمع‌آوری گردیده و با استفاده از نرم‌افزار آماری SPSS نسخه 20 از طریق آزمون‌های دقیق فیشر، تی مستقل و کای اسکوئر تجزیه و تحلیل شد.
یافته‌ها: از نظر میانگین نمرات افسردگی (005/0= p)، اضطراب (02/0= p)، و سازگاری زناشویی (01/0= p)، تفاوت معنی‌داری در بین دو گروه مشاهده شد. به طوری که میانگین نمره افسردگی و اضطراب در زنان بارور بیشتر از زنان نابارور بود در حالی که میانگین نمره سازگاری زناشویی در زنان نابارور بیشتر از زنان بارور بود.
نتیجه‌گیری: از آن‌جایی که باروری می تواند با عوامل روانشناختی و سایر عوامل زمینه‌ای فرد مرتبط باشد، بنابراین توجه به نیازهای مختلف آموزشی زنان بارور و نابارور باید به طور جدی مدنظر قرار گیرد.

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.