عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
۹۸۶۸۹پ
فارسی
دسته بندی رتینوپاتی دیابتی به دو دسته پرولیفریتیو و غیرپرولیفریتیو بر اساس نقشه دانسیته عروقی در OCTA توسط یادگیری ماشین (Machine Learning)
[پایان نامه]
محمد میرشاه ولد
دانشگاه علوم پزشکی تهران، دانشکده پزشکی
۱۴۰۰
۶۱ص.
دکتری تخصصی
چشم پزشکی
۱۴۰۰/۱۲/۰۱
۲۰
رتینوپاتی دیابتی شایعترین عارضه دیابت و از علل مهم نابینایی در جهان می باشد. FA و OCTA دو روش موجود برای بررسی ضایعات عروقی شبکیه و بزرگ شدن FAZ هستند که به تعیین شدت رتینوپاتی دیابتی کمک می کنند. با وجود اینکه FA استاندارد تعیین شدت رتینوپاتی دیابتی است، رزولوشن پایینی در نشان دادن شبکه های مویرگی شبکیه دارد.FA تستی تهاجمی بوده و نیاز به تزریق داخل وریدی ماده رنگی و مدت زمان ۱۰ تا ۳۰ دقیقه دارد. FA تصاویر ۲ بعدی و با میدان دید نسبتا وسیع ایجاد می کند. در نتیجه الگوهای نشت، تجمع و رنگ گرفتن را به خوبی نشان می دهند. پاتولوژی های شبکیه می توانند توسط این نشت و یا خونریزی یا کدورت مدیا مخفی شوند. به علت تهاجمی، زمانبر و نسبتا گران قیمت بودن این تست، روش مناسبی جهت پیگیری درازمدت بیماران به نظر نمی رسد. با اینکه تزریق رنگ بی خطر محسوب می شود، طیفی از علائم از حالت تهوع تا تا واکنشهای آلرژیک مثل آنافیلاکسی در مواردی نادر گزارش شده است.OCTA روشی نسبتا جدید و غیر تهاجمی است که با اعمال کنتراست حرکتی در عرض چند ثانیه تصویری با رزولوشن بالا از سیستم جریان خون شبکیه تهیه می کند. در این روش با مقایسه تفاوتهای شدت سیگنال برگشتی از OCT b-scan های متعدد از هر یک از لایه ها، نقشه ای از جریان خون ترسیم می شود. هر اسکن سه بعدی کمتر از ۱۰ ثانیه زمان می برد.لایه های آن شامل:1- شبکه سطحی، شامل شبکه مویرگی در لایه گانگلیون سل2- شبکه عمقی، بین مرز خارجی لایه پلکسیفرم داخلی و قسمت میانی لایه پلکسیفرم خارجیلایه شبکیه خارجی (فوتورسپتورها)3- لایه کوریوکپیلاریبزرگ شدن FAZ در بیماران دیابتی نشان دهنده ایسکمی بوده و می تواند با ادم ماکولا و کاهش دید مرتبط باشد. مطالعات قبلی فرایند این افزایش اندازه را به انسداد مویرگی نسبت داده اند. ۱۲در بیماران مبتلا به DME، بزرگ شدن FAZ باعث کوتاه شدن سگمان خارجی فوتورسپتورها و به هم خوردن مرز سگمان داخلی و خارجی و به دنبال آن آتروفی لایه های شبکیه و کاهش دید می شود.با استفاده از تصاویر OCTA می توان به خوبی حدود FAZ را بدون تداخل فلورسین زمینه یا محو شدگی وابسته به زمان سیگنال فلورسین در بیماران مشخص کرد. OCTA ساختارهای عروقی شبکیه را با رزولوشن بهتری از FA نشان می دهد. همچنین امکان جدا کردن شبکه عروقی سطحی و عمقی در آن وجود دارد در حالی که در FA شبکه مویرگی عمقی به سختی قابل مشاهده است. OCTA قابلیت به تصویر کشیدن اختلال خونرسانی مویرگی، رگزایی، عروق غیرطبیعی داخل شبکیه، انواع میکروآنوریسمها و مایع داخل شبکیه را به خوبی FA یا حتی بهتر از آن دارد.هدف این مطالعه تشخیص تغییرات پرولیفریتیو در نقشه دانسیته عروقی OCTA بیماران مبتلا به رتینوپاتی دیابتی به کمک یادگیری ماشین بوده است. برای این منظور از کلاسیفایر Support Vector Machine که با الگوریتم تکامل ژنتیکی بهبود یافته بود استفاده شد. بهترین افتراق در شبکه مویرگی عمقی حاصل شد که به کمک روش فوق الذکر توانست رتینوپاتی دیابتی پرولیفریتیو را با دقت 90 درصد از رتینوپاتی دیابتی غیر پرولیفریتیو تفکیک کند
رتینوپاتی دیابتیک
Diabetic retinopathy
دیابت
Diabetes
فراگیری ماشینی
Machine learning
هوش مصنوعی
Artificial intelligence
a09
a09
a11
a11
a14
a14
a16
a16
OCTA
پرولیفریتیو
نقشه دانسیته عروقی
، پدیدآور
میرشاه ولد، محمد
، استاد راهنما
، استاد راهنما
، استاد مشاور
، استاد مشاور
، استاد مشاور
، استاد مشاور
ریاضی اصفهانی، حمید
ابراهیمی ادیب، نازنین
میر شاهی، احمد
خلیل پور، الیاس
بازوند، فاطمه
محمودی، طاهره
دانشگاه علوم پزشکی تهران، دانشکده پزشکی
ایران
20221217
۱۳۹۸۸ت
دانشگاه علوم پزشکی تهران، کتابخانه دانشکده پزشکی
p
TF
92029
a
Y
