سندرم کارنی (Carney Complex) یک سندرم اتوزومال غالب است که با تومورهای مختلف شامل میکزوما در محل های متفاوت، تومورهای اندوکرین و ضایعه های لنتیگو مشخص می شود و تا کنون در ایران گزارش نشده است. بیماری که دراین مقاله معرفی می شود، زن 27 ساله ای است که با علایم درد پهلو، مراجعه کرده بود. در معاینه با توجه به علایم هیرسوتیسم، چاقی تنه ای، هیپرپیگمانتاسیون و هیپرتانسیون، سندرم کوشینگ مطرح شد و با آزمایش های مربوط تایید گردید. سابقه دوبار جراحی قلب در دوران کودکی به علت دو میکزوم دهلیزی در بیمار وجود داشت. در MRI هیپوفیز، میکروآدنوما و در سی تی اسکن آدرنال، آدنوم آدرنال راست مشاهده شد. ابتدا، لاپاراسکوپیک آدرنالکتومی راست برای بیمار انجام شد. همان طور که انتظار می رفت، بیماری پس از جراحی هم چنان فعال بود، بنا بر این آدرنالکتومی سمت مقابل هم انجام و سندرم کوشینگ برطرف شد. در پاتولوژی آدرنال راست، آدنوم با هیپرپلازی در اطراف آن و در آدرنال چپ هیپرپلازی گزارش شد. به این ترتیب تشخیص سندرم کارنی با سندرم کوشینگ ناشی از هیپرپلازی دو طرفه آدرنال تایید شد. این مورد، یک تظاهر جدید از سندرم است چرا که هیپرپلازی آدرنال دو طرفه با آدنوم هیپوفیز و آدرنال به صورت دو یافته اتفاقی همراه سندرم کشف شد. در بیمار مذکور، سندرم کارنی، همراه با سندرم کوشینگ ناشی از هیپرپلازی دو طرفه آدرنال، آدنوم آدرنال مقابل و میکروآدنوم هیپوفیز بدون عملکرد به عنوان یافته های تصادفی (Incidentaloma) گزارش شد که تظاهر جدیدی از این سندرم است.

پیدایش مفهوم «محصولات با سیستم های پیچیده» ابتدا از ادبیات سیستم های نظامی، پیچیدگی های سیستم، مکتب سیستم های فنی بزرگ، مدیریت پروژه و مطالعات سازمان صنعتی آغاز شد. محصولات پیچیده که از لحاظ فنی در شرکت های پیشرفته تولید می شود، کالاهای سرمایه ای با فناوری های پیشرفته است و سرمایه گذاری در بخش ایجاد ظرفیت برای تولید آنها یکی از نشانه های مهم قدرت اقتصاد ملی است. در حوزه محصولات پیچیده ساختار صنعت به طور عمده متشکل از تعداد بسیار کمی از بنگاه های بسیار بزرگ تامین کننده، سازنده و مشتری است. این تعداد کم بنگاه ها همگی در فرآیند طراحی، تحقیق و توسعه، یکپارچه سازی سیستم ها، بهبودهای آتی محصول و نگهداری محصول مشارکت دارند. پیشرفت های اقتصادی هم اکنون نیازمند تجاری سازی و توسعه فناوری های پیچیده است که نوآوری در آنها تنها از طریق شبکه های پیچیده و خودسازماندهی شده اتفاق می افتد. بنابراین یکی از وجوه تمایز این محصولات این است که مکانیزم و مدیریت نوآوری در اینگونه محصولات با محصولات ساده تولید انبوه متفاوت است.

شبکه های اجتماعی یکی از انواع شبکه های پیچیده است. تشخیص جوامع در شبکه های اجتماعی روشی مؤثر برای بهره گیری از اطلاعات این شبکه ها است که تاکنون الگوریتم های متعددی برای آن ارائه شده است. در این مقاله روش هایی جدید با استفاده از آتوماتاهای یادگیر پیشنهاد شده است که در آنها، یک آتوماتای یادگیر به هر گره شبکه الحاق می شود؛ تعداد اقدام آتوماتاهای یادگیر ثابت و برابر با تخمین تعداد جوامع شبکه است. در هر مرحله، هر کدام از آتوماتاهای یادگیر یک اقدام از مجموعه اقدامات خود را انتخاب می کند. انتخاب هر یک از این اقدام ها به منزله ی انتساب برچسب آن جامعه به گره است. اقدام انتخاب شده توسط هر آتوماتا بر اساس اقدام های انتخابی همسایگانش (بررسی محلی) و/یا جوامع تشخیص داده شده توسط کل روش (بررسی سراسری) ارزیابی می شود. نتیجه ی ارزیابی منجر به صدور پاداش و جریمه برای آتوماتاها می شود. با دریافت پاداش احتمال انتخاب مجدد اقدام انتخابی توسط آتوماتا، یا همان برچسب جامعه، افزایش می یابد و با دریافت جریمه احتمال این اقدام کاهش می یابد. با تکرار الگوریتم، اقدام بهینه مشخص می گردد تا آنجا که با تکرارهای بیشتر هیچ تغییری در برچسب انتخابی آتوماتای متناظر هر گره رخ نمی دهد و درنتیجه جوامع بهینه به عنوان خروجی الگوریتم مشخص می گردند. مقایسه نتایج حاصل از آزمایش های انجام شده، نشان می دهد روش های پیشنهادی نسبت به برخی روش های پیشین عملکرد بهتری را نشان می دهد؛ به خصوص بر اساس معیار NMI که یکی از معیارهای رایج در ارزیابی روش های تشخیص جامعه است.

از زمانی که برای اولین بار اختلال حرکتی که امروزه تحت عنوان DVD شناخته می شود، گزارش شد بیش از یک قرن می گذرد. طی این مدت محققین مختلف آن را مورد بحث قرار داده و تئوری های متعددی را برای بروز آن قایل شده اند. با توجه به این که DVD همیشه یکی از مشکلات تشخیصی و درمانی در بیماران استرابیسم می باشد، در مقاله ای که پیش رو دارید تلاش شده است مجموعه ای از این تحقیقات و تئوری ها ارایه گردد.

در سال های اخیر اینترنت جزئی از الزامات زندگی انسان شده است. با استفاده ی گسترده از اینترنت، وب و شبکه های اجتماعی برخط، تعداد آسیب پذیری ها و تهدیدات امنیتی به میزان قابل توجهی افزایش یافته است. انواع مختلف بدافزارها (کرم ها و ویروس ها) به یک تهدید بزرگ برای امنیت سیستم ها و شبکه ها تبدیل شده اند. در این راستا محققین به دنبال روش هایی برای شناسایی بدافزارها و مبارزه با آنها هستند. یکی از روش های مورد استفاده در این زمینه مدل سازی انتشار بدافزار است تا با مدل کردن رفتار بدافزارها به شناسایی و مبارزه با آنها بپردازیم. در این مقاله یک مدل انتشار بد افزار مبتنی بر انتشار بیماری های همه گیری در ساختار شبکه ای  ناهمگن با درنظر گرفتن دستگاه های متصل به شبکه و شبکه ی اینترنت معرفی شده است. مدل سازی بر اساس مدل بیماری های همه گیری مستعد–درمعرض آلودگی– آلوده–بهبودیافته برای دستگاه ها و شبکه اینترنت انجام می شود. نتایج نشان می دهد سرعت انتشار بدافزار در مدل پیشنهادی HD-SEIRS در مقایسه با مدل SEIR به طور قابل توجهی کاهش یافته است. همچنین در این مقاله نسبت بازتولید اولیه  برای مدل پیشنهادی محاسبه شده است و اثر تغییرات پارامترها روی مدل پیشنهادی مورد بررسی قرار می گیرد.