>
Fa   |   Ar   |   En
   استخراج و تحلیل نیمه خودکار تومورهای مغزی Gbm از تصاویر چندپارامتری تشدید مغناطیسی  
   
نویسنده بهزادفر ندا ,سلطانیان زاده حمید
منبع مهندسي پزشكي زيستي - 1392 - دوره : 7 - شماره : 3 - صفحه:219 -236
چکیده    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 می‌شود. 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- ارایه شده است. در این مقاله، از 12 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 t1 بعد از تزیق ماده حاجب gd، با دقت زیادی استخراج شد. در روش ارایه 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 (r2= 0.97). 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 12 بیمار دارای تومور gbm در مرحله ی قبل و مدتی پس از درمان تصویربرداری به عمل آمد. میزان کاهش نسبی حجم ناحیه gd-enhanced استخراج شده در تصاویر با وزن t1 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 91/0 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 (Gliablastoma Multiform (Gbm ,بخش‌بندی ,بواسیزوماب ,پیش‌بینی ,پیش‌پردازش ,تصاویر ویژه ,هیستوگرام ,رگرسیون ,Segmentation ,Bevacizumab ,Prediction ,Preprocess ,Eigen-Image ,Histogram ,Regression
آدرس دانشگاه تهران, ایران, دانشگاه تهران, ایران
پست الکترونیکی hszadeh@ut.ac.ir
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved