جدول جامع فیزیولوژی سیستم عصبی؛ نوروترانسمیترها، گیرنده‌ها و سیناپس‌ها
مقدمه | اطلس جامع فیزیولوژی سیستم عصبی؛ از ساختارهای آناتومیک تا ظرافت‌های پیام‌رسانی عصبی
شناخت فیزیولوژی سیستم عصبی، تنها به خاطر سپردن نام ساختارها، ناقل‌های عصبی و گیرنده‌ها محدود نمی‌شود؛ بلکه سفری علمی به دنیای پیچیده‌ترین شبکه پردازشی بدن انسان است؛ شبکه‌ای شگفت‌انگیز که در آن، میلیاردها سلول عصبی با بهره‌گیری از پیام‌های الکتریکی و شیمیایی، احساس، حرکت، حافظه، تفکر و عملکرد اندام‌های حیاتی را هماهنگ می‌کنند.
برای درک عمیق این منظومه پیچیده، باید ارتباط میان ساختار و عملکرد را به‌درستی شناخت؛ از سازمان‌بندی سیستم عصبی مرکزی (CNS) و سیستم عصبی محیطی (PNS) گرفته تا تفاوت عملکرد سیستم‌های سمپاتیک و پاراسمپاتیک، ویژگی‌های سیناپس‌های الکتریکی و شیمیایی، نقش نوروترانسمیترهای تحریکی و مهاری، جایگاه گیرنده‌های کولینرژیک و سرانجام مکانیسم‌های آزادسازی و تجزیه پیام‌رسان‌های عصبی.
این درسنامه با رویکردی ساختارمند و مبتنی بر یادگیری مفهومی، مجموعه‌ای از مهم‌ترین پدیده‌ها، ساختارها و مولکول‌های فیزیولوژی عصبی را در قالب جدولی جامع و طبقه‌بندی‌شده گردآوری کرده است. هدف آن، تبدیل اطلاعات پراکنده و گاه دشوار به یک نقشه ذهنی منسجم است؛ نقشه‌ای که به دانشجو کمک می‌کند میان هر ساختار، مکانیسم عملکردی و پیامد فیزیولوژیک آن ارتباط برقرار کند.
در این مجموعه، هر مفهوم از چهار منظر بررسی می‌شود: ماهیت و هویت علمی، دسته‌بندی عملکردی، ویژگی‌های کلیدی و مکانیسم عمل، و اهمیت بالینی و فیزیولوژیک. چنین رویکردی نه‌تنها فرایند یادگیری را هدفمندتر می‌کند، بلکه امکان مقایسه سریع، مرور نظام‌مند و بازیابی مؤثر اطلاعات را نیز فراهم می‌آورد.
این جدول به‌ویژه برای دانشجویان علوم پزشکی، علوم اعصاب، فیزیولوژی و داوطلبان آزمون‌های تحصیلات تکمیلی، ابزاری ارزشمند برای تثبیت مفاهیم و آمادگی علمی است؛ زیرا در آزمون‌های مفهومی، صرفاً دانستن نام یک ناقل عصبی یا گیرنده کافی نیست؛ آنچه اهمیت دارد، شناخت دقیق محل استقرار، مکانیسم اثر و ارتباط آن با سایر اجزای سیستم عصبی است.
در آینده‌نگاران مغز، هدف ما صرفاً انتقال اطلاعات نیست؛ ما می‌کوشیم دانش را به درک عمیق، درک عمیق را به تسلط علمی و تسلط علمی را به توانایی تحلیل و استدلال تبدیل کنیم.
زیرا یادگیری واقعی فیزیولوژی، از جایی آغاز می‌شود که به‌جای حفظ کردن اجزای سیستم عصبی، منطق عملکرد آن را درک کنیم.
اطلس طلایی فیزیولوژی
جدول جامع ساختارها، مولکول‌ها، گیرنده‌ها و مکانیسم‌های فیزیولوژیک سیستم عصبی
در این جدول، مفاهیم کلیدی فیزیولوژی عصبی بر اساس نوع ساختار، دسته‌بندی عملکردی، مکانیسم عمل و اهمیت بالینی و فیزیولوژیک سازمان‌دهی شده‌اند.
| پدیده / ساختار / مولکول | دسته‌بندی / نوع | ویژگی‌های کلیدی و مکانیسم عمل | نکات بالینی و فیزیولوژیک برگرفته از متن |
|---|---|---|---|
| سیستم عصبی مرکزی (CNS) | ساختار آناتومیک | شامل مغز و نخاع | مرکز اصلی پردازش، تفسیر و ذخیره حافظه |
| سیستم عصبی محیطی (PNS) | ساختار آناتومیک | ۳۱ جفت عصب نخاعی + ۱۲ جفت عصب کرانیال | دارای دو بخش آوران (حسی) و وابران (حرکتی) |
| سیستم سمپاتیک | اتونوم (حرکتی) | فعال در ستیز و گریز / گانگلیون‌ها در مجاورت مهره‌ها | فعالیت گوارشی |
| سیستم پاراسمپاتیک | اتونوم (حرکتی) | فعال در استراحت / گانگلیون‌ها نزدیک یا داخل اندام | فعالیت گوارشی |
| سیناپس الکتریکی | ارتباط سلولی | اتصالات شکاف‌دار (Gap junctions) / هدایت دوطرفه | در ماهیچه صاف و قلبی دیده می‌شود / در CNS محدود است |
| سیناپس شیمیایی | ارتباط سلولی | واسطه شیمیایی (نوروترانسمیتر) / هدایت یک‌طرفه | رایج‌ترین سیناپس CNS / نیازمند کانال‌های کلسیمی ولتاژی |
| گلوتامات / آسپارتات | آمینواسید / کوچک‌مولکول | ناقلین تحریکی (Excitatory) | اثر سریع در فضای سیناپسی |
| گابا (GABA) / گلیسین | آمینواسید / کوچک‌مولکول | ناقلین مهاری (Inhibitory) | فیبر ترشح‌کننده گابا، “گابارژیک” نامیده می‌شود |
| رسپتور نیکوتینی | گیرنده کولینرژیک | متصل‌شونده به استیل‌کولین | مستقر در گانگلیون‌های اتونوم و عضله مخطط |
| رسپتور موسکارینی | گیرنده کولینرژیک | متصل‌شونده به استیل‌کولین | مستقر در ماهیچه صاف، قلب و غدد ترشحی |
| رهایش وزیکولی | مکانیسم سلولی | اگزوسیتوز | |
| کولین استراز | آنزیم تجزیه‌کننده | تجزیه Ach به استات و کولین | به وفور در اتصال عصب-عضله یافت می‌شود / مانع تحریک مداوم می‌شود |
از مرزهای دانش تا پیوند رشته‌ها؛ معرفی پژوهشگری با نگاه میان‌رشته‌ای
پیشرفت علم، بیش از هر زمان دیگری، به ذهن‌هایی نیاز دارد که در مرزهای میان رشته‌ها حرکت می‌کنند؛ ذهن‌هایی که دانش را در چارچوب یک تخصص محصور نمی‌سازند، بلکه از پیوند علوم مختلف برای طرح پرسش‌های تازه، یافتن مسیرهای نو و گشودن افق‌های جدید بهره می‌گیرند. در جهان امروز، شناخت مغز و سازوکارهای پیچیده آن نیز بدون بهره‌گیری از ظرفیت‌های رشته‌هایی همچون فیزیک پزشکی، تصویربرداری عصبی، علوم داده و هوش مصنوعی، تصویری کامل نخواهد داشت.
صالح روحی (Saleh Rouhi) از جمله پژوهشگرانی است که مسیر علمی و فعالیت‌های تخصصی او در چنین بستری از هم‌گرایی دانش شکل گرفته است. تمرکز بر فیزیک پزشکی، تصویربرداری پزشکی، هوش مصنوعی در سلامت و نوروایمیجینگ، در کنار تجربه پژوهشی، فعالیت‌های فناورانه و مشارکت در تدوین محتوای علمی، مجموعه‌ای از علایق و توانمندی‌های میان‌رشته‌ای را در کارنامه او شکل داده است.
حضور نام او در این نوشتار، تنها به معنای گردآوری چند نکته آموزشی درباره نوروترانسمیترها و سیناپس‌ها نیست؛ بلکه فرصتی است برای معرفی رویکردی که در آن، یادگیری علمی از سطح بازگویی اطلاعات فراتر می‌رود و به سازمان‌دهی مفاهیم، آشکارسازی ارتباطات میان آن‌ها و توجه به ظرافت‌هایی می‌رسد که گاه در طراحی پرسش‌های تخصصی تعیین‌کننده‌اند.
در این مجموعه، موضوعاتی مانند مسیرهای پیام‌رسانی گازوترانسمیترها، ذخیره وزیکولی ناقل‌های عصبی، تفاوت سازوکارهای تولرانس و وابستگی و محاسبه تأخیر سیناپسی، با نگاهی آزمون‌محور و تحلیلی کنار یکدیگر قرار گرفته‌اند. ارزش چنین تدوینی در آن است که مخاطب را به فراتر رفتن از حفظ پاسخ‌ها دعوت می‌کند: به فهمیدن چرایی پاسخ درست، تشخیص مرز میان مفاهیم مشابه و شناسایی ظرافت‌هایی که ممکن است به تله‌های آزمونی تبدیل شوند.
در آینده‌نگاران مغز، معرفی پدیدآورندگان و گردآورندگان محتوا بخشی از احترام به فرایند تولید دانش است؛ زیرا پشت هر محتوای علمی ارزشمند، اندیشه، مطالعه، انتخاب، بررسی و تلاشی انسانی قرار دارد که شایسته دیده‌شدن است. از همین رو، رزومه پیش رو با هدف ارائه تصویری روشن‌تر از پیشینه تحصیلی، دستاوردهای علمی، فعالیت‌های پژوهشی، تجربه‌های آموزشی و زمینه‌های تخصصی صالح روحی درج شده است.
آنچه این صفحه را ارزشمند می‌کند، صرفاً کنار هم قرار گرفتن اطلاعات نیست؛ بلکه تلاشی است برای نزدیک‌تر کردن دانش تخصصی به فهم عمیق، و تبدیل نکات پراکنده به دانشی منسجم، قابل تحلیل و سودمند برای یادگیری و پژوهش.
در ادامه، می‌توانید با مسیر علمی و حرفه‌ای صالح روحی، دستاوردها و حوزه‌های فعالیت او بیشتر آشنا شوید.
صالح روحی
Medical Physics Medical Imaging Artificial Intelligence Neuroimaging
چکیده حرفه‌ای Professional Summary
دانش‌آموخته کارشناسی ارشد فیزیک پزشکی و کارشناسی تکنولوژی پرتوشناسی (رادیولوژی)، با تمرکز پژوهشی میان‌رشته‌ای بر کاربردهای هوش مصنوعی و یادگیری عمیق در تصویربرداری پزشکی، نوروایمیجینگ (تصویربرداری عصبی) و شبیه‌سازی مونت‌کارلو در پرتودرمانی نوین (FLASH). نویسنده مقالات علمی در مجلات تراز اول بین‌المللی (ISI – Q1)، دارنده ثبت اختراع، برگزیده مرحله کشوری المپیاد هوش مصنوعی و کارآفرینی، مدرس کارگاه‌های برنامه‌نویسی در داده‌های سلامت و دبیر انجمن علمی دانشجویی فیزیک پزشکی.
سوابق تحصیلی Education
دانشگاه علوم پزشکی کرمانشاه
عنوان پایان‌نامه: بررسی دزیمتری پرتودرمانی FLASH با استفاده از شبیه‌سازی مونت‌کارلو (Geant4-DNA)
دانشگاه علوم پزشکی همدان
افتخارات و دستاوردهای برجسته Honors & Awards
برگزیده و راه‌یافته به مرحله کشوری المپیاد علمی در حیطه‌های هوش مصنوعی و کارآفرینی | ۱۴۰۴
چاپ چندین مقاله علمی‌پژوهشی در مجلات برتر بین‌المللی با نمایه ISI (چارک اول – Q1) در حوزه هوش مصنوعی و تصویربرداری پزشکی | ۱۴۰۲ تا ۱۴۰۵
دبیر منتخب انجمن علمی دانشجویی فیزیک پزشکی، دانشگاه علوم پزشکی کرمانشاه | از ۱۴۰۲
محورهای پژوهشی و پروژه‌های تحقیقاتی Research Interests & Projects
بخش‌بندی هوشمند تصاویر پزشکی
بخش‌بندی ضایعات و تومورها در تصاویر پزشکی (Medical Image & Tumor Segmentation) با معماری‌های یادگیری عمیق.
نوروایمیجینگ
پردازش و تحلیل داده‌های تصویربرداری عصبی کارکردی و ساختاری (fMRI و dMRI) مبتنی بر استاندارد BIDS و مشارکت در پروژه‌های مشترک داده‌محور از جمله BRISC.
هوش مصنوعی در تشخیص پزشکی
طراحی سیستم‌های هوشمند کمک‌تشخیصی و تریاژ هوشمند تصاویر ریه.
علوم شناختی
مشارکت در پژوهش‌های بین‌رشته‌ای علوم شناختی و تحلیل داده‌های مرتبط با مغز.
ثبت اختراع و طرح‌های فناورانه Patents & Innovations
«الگوریتم تشخیص سرطان دهانه رحم با دقت ۹۴ و ویژگی ۹۱ درصد»
صاحب ایده و طراح پروژه‌های فناورانه در حوزه هوش مصنوعی و تجهیزات پزشکی.
تدوین پروپوزال سامانه هوشمند تریاژ ریه (Smart Lung Triage) مبتنی بر الگوریتم‌های یادگیری عمیق.
تألیف و آثار علمی ـ آموزشی Books & Educational Materials
پیوند فیزیک تشکیل تصویر، معماری‌های یادگیری عمیق و رویکردهای کلاسیک.
وضعیت: در دست انتشار
تدوین درسنامه‌های تحلیلی و ساختاری در حوزه‌های فیزیک MRI، سی‌تی‌اسکن، پزشکی هسته‌ای (SPECT/PET)، فیزیک فراصوت و پردازش تصویر دیجیتال.
سوابق تدریس و کارگاه‌های آموزشی Teaching & Workshops
مدیریت و تحلیل داده‌های پزشکی با پایتون (Python) | دانشگاه علوم پزشکی کرمانشاه / کمیته تحقیقات.
برگزاری و تدریس نشست‌های علمی در زمینه کاربردهای هوش مصنوعی در تصویربرداری پزشکی و مهارت‌های پژوهشی | انجمن علمی دانشجویی فیزیک پزشکی.
سوابق اجرایی و فعالیت‌های علمی Leadership & Academic Service
دانشگاه علوم پزشکی کرمانشاه | سال ـ سال
برنامه‌ریزی و راهبری کارگاه‌های مهارت‌افزایی، نشست‌های بین‌رشته‌ای فیزیک پزشکی و هوش مصنوعی، و هدایت تیم‌های دانشجویی در جشنواره‌ها و المپیادهای علمی.
مشارکت در اشتراک‌گذاری کد، پایپ‌لاین‌های پردازشی و تحلیل داده‌های تصویربرداری مغز (fMRI/dMRI).
مهارت‌های تخصصی و فنی Technical & Clinical Skills
هوش مصنوعی و پردازش تصویر پزشکی
یادگیری عمیق (Deep Learning)، شبکه‌های عصبی کانولوشنی (CNN, FCN)، معماری‌های U-Net، مدل‌های مبتنی بر توجه (Attention) و چندمقیاسی، بخش‌بندی تصاویر پزشکی و تسلط بر چالش‌ها و دیتاست‌های مرجع.
تصویربرداری عصبی (Neuroimaging)
تحلیل داده‌های MRI ساختاری، fMRI و تصویربرداری وزن انتشار (DWI / DTI / dMRI)، مدیریت داده با ساختار BIDS.
شبیه‌سازی پرتوی و دزیمتری
شبیه‌سازی مونت‌کارلو با کدهای Geant4 و Geant4-DNA، دزیمتری پرتودرمانی با نرخ دز فوق‌العاده بالا (FLASH Radiotherapy) و حفاظت پرتوی.
برنامه‌نویسی و محاسبات علمی
Python (پردازش داده و تصویر پزشکی، یادگیری ماشین و یادگیری عمیق) و MATLAB.
مهارت‌های بالینی و فیزیک مدالیته‌های تصویربرداری
اصول فیزیکی، پروتکل‌های تصویربرداری و کنترل کیفی (QA/QC) سیستم‌های رادیوگرافی دیجیتال، سی‌تی‌اسکن (MDCT)، MRI، سونوگرافی و داپلر، و پزشکی هسته‌ای (دوربین گاما، SPECT و PET).
مقالات و ارائه‌های کنگره‌ای Conference Publications & Presentations
ارائه‌های Oral یا Poster در کنگره فیزیک پزشکی ایران، کنگره رادیوانکولوژی ایران، و کنگره‌های علوم اعصاب و هوش مصنوعی پزشکی.
ابزارها و فریم‌ورک‌های نرم‌افزاری Software & Frameworks
