استخراج و تحلیل نیمه خودکار تومورهای مغزی GBM از تصاویر چندپارامتری تشدید مغناطیسی
محل انتشار: نشریه ی مهندسی پزشکی زیستی، دوره: 7، شماره: 3
سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 90
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJBM-7-3_004
تاریخ نمایه سازی: 20 اسفند 1404
چکیده مقاله:
تحلیل تومورهای مغزی در تصاویر چندپارامتری تشدید مغناطیسی امری مهم است. اگر کاربر این کار به صورت دستی انجام دهد، علاوه بر اتلاف زمان زیاد، سبب کاهش دقت و قابلیت تکرارپذیری تحلیل می شود. خودکار کردن این تحلیل به دلیل تنوع زیاد در ظاهر بافت توموری بیماران مختلف، ساختار پیچیده بافت های توموری و همچنین شباهت بافت های توموری و سالم امری چالش برانگیز است. در این مقاله راهکاری برای به حداقل رساندن نقش کاربر در تحلیل تصاویر تشدید مغناطیسی به منظور استخراج تومورهای مغزی Glioblastoma Multiform (GBM)- که از بدخیم ترین انواع تومورهای مغزی هستند- ارائه شده است. در این مقاله، از ۱۲ بیمار دارای تومور GBM تصویربرداری به عمل آمد. سپس با استفاده از روشی مستقل از کاربر و بدون نیاز به پارامترهای ابتدایی، ناحیه توموری از تصاویر با وزن T۱ بعد از تزیق ماده حاجب Gd، با دقت زیادی استخراج شد. در روش ارائه شده در هیچ مرحله ای به حضور کاربر نیاز نیست و تمام پیکسل های ناحیه روشن ((Gd-enhanced بدون توجه به محل ابتدایی آنها استخراج می شوند. مقایسه ناحیه Gd-enhanced استخراج شده در این روش با ناحیه انتخاب شده توسط فردی ماهر نشان دهنده کارایی زیاد روش است (R۲= ۰.۹۷). به منظور ارزیابی روش پیشنهادی در کاربردی عملی، از آن در پیش بینی آثار درمان تومورهای مغزی GBM با استفاده از بواسیزوماب استفاده شد. بواسیزوماب (Bevacizumab) یکی از داروهایی است که به دلیل توانایی زیاد در متوقف کردن رشد تومور و حتی کاهش اندازه تومور به آن بسیار توجه شده است. در این راستا از ۱۲ بیمار دارای تومور GBM در مرحله قبل و مدتی پس از درمان تصویربرداری به عمل آمد. میزان کاهش نسبی حجم ناحیه Gd-enhanced استخراج شده در تصاویر با وزن T۱ بعد از تزیق ماده حاجب Gd، معیاری از پاسخ بیماران به دارو در نظر گرفته شد. سپس با استفاده از طبقه بندی کننده KNN تصاویر سری اول به اجزای ماده سفید، ماده خاکستری و مایع مغزی- نخاعی تجزیه شدند و از آنها برای تشکیل تصاویر ویژه استفاده شد. این کار سبب حذف نقش کاربر در تشکیل تصاویر ویژه و افزایش قابلیت تکرارپذیری روش شد. در ادامه با استفاده از تحلیل هیستوگرام، ویژگی های مناسب از ناحیه Gd-enhanced استخراج شدند؛ سپس معادلات پیشگویی پاسخ بیماران به داروی مذکور برحسب ویژگی های به دست آمده در قسمت قبل محاسبه شدند. در بهترین حالت ضریب همبستگی ۰.۹۱ به دست آمد که نشان دهنده امکان پیش بینی نتیجه درمان بواسیزوماب برای بیماران دارای GBM با استفاده از تصاویر تشدید مغناطیسی در روشی با حداقل نقش کاربر است. مقایسه نتایج به دست آمده در این روش با پژوهش های قبلی نشان دهنده کارایی زیاد روش در کنار مستقل بودن آن از کاربر است.
کلیدواژه ها:
نویسندگان
ندا بهزادفر
دانشجوی کارشناسی ارشد، قطب علمی و کنترل پردازش هوشمند، دانشکده برق و کامپیوتر، دانشگاه تهران
حمید سلطانیان زاده
استاد، گروه بیوالکتریک، قطب علمی و کنترل پردازش هوشمند، دانشکده برق و کامپیوتر، دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
