عنوان

پیاده‌سازی بهینه کمی سازی پرفیوژن ام‌آرآی با تزریق ماده کنتراست‌زا

۹۷۹۵۷پ

فارسی

پیاده‌سازی بهینه کمی سازی پرفیوژن ام‌آرآی با تزریق ماده کنتراست‌زا

[پایان نامه]

سلمان رضائی مولود

دانشگاه علوم پزشکی تهران، دانشکده پزشکی

۱۴۰۰

۱۰۷ص.

کارشناسی ارشد

مهندسی پزشکی

۱۴۰۰/۰۶/۱۵

مقدمه: پرفیوژن ام‌آرآی با تزریق ماده کنتراست‌زا به دو روش تصویربرداری DSC-MRI و DCE-MRI قابل انجام است که از این روش‌ها برای ارزیابی پرفیوژن در مغز و بیماری‌های مثل سکته مغزی،‌ تومور مغزی،‌ سرطان پروستات و سرطان سینه استفاده می‌کنند. پرفیوژن ام‌آرآی نقش مهمی در شناسایی بیولوژی بافت‌ها،‌ بررسی پاسخ به درمان و درجه‌بندی سرطان‌ها دارد. روش سنتی آنالیز تصاویر پرفیوژن مبتنی بر مقایسه کیفی منحنی‌های بهبود سیگنال در ناحیه مورد نظر با تعداد محدودی از منحنی‌های از پیش تعین شده توسط یک خبره می‌باشد که در این آنالیزها خطا بالاست و هیچ مشخصه کمی از ویژگی‌های بافت بدست نمی‌آید. هرچند که روش‌های مختلفی برای محاسبه پارامترهای همودینامیک مثل جریان خون، حجم خون، زمان متوسط عبور و نفوذپذیری وجود دارد اما هنوز امکان استفاده گسترده بالینی از این روش‌ها وجود ندارد. مطالعات مختلف نشان می‌دهد که نتایج آنالیز کمی تصاویر پرفیوژن ام‌آرآی بسته به نوع بیماری و بافت مورد نظر، متفاوت باشد. انتخاب AIF مناسب قدم مهمی در انجام آنالیزهای کمی می‌باشد. روش‌های دستی برای انتخاب AIF زمان‌بر و وابسته به میزان تجربه اپراتور می‌باشند. روش‌های اتوماتیک موجود معمولاً فقط برای بافت‌های سالم پیاده شده‌اند و فقط بر روی اسلایس هایی که مطمئن هستند AIF در آن وجود دارد اعمال شده‌اند، به همین دلیل قابلیت این را ندارند که به‌صورت اتوماتیک کل تصویر دینامیک را جستجو کرده و AIF ها را پیدا کنند. همچنین برای بدست آوردن مقادیر کمی در DCE-MRI باید از روش‌های ریاضی برای فیت کردن داده‌ها به مدل‌های فارماکوکنتیک استفاده کرد که پرکاربردترین روش موجود روش حداقل مربعات غیرخطی می‌باشد که بسیار زمان‌بر و از لحاظ محاسباتی هزینه‌بر می‌باشد و همچنین بسته به انتخاب مقادیر اولیه، امکان همگرا شدن و گیر افتادن در یک مینیمم موضعی وجود دارد. هدف ما بهینه‌سازی این آنالیزها و کمی سازها و پیاده‌سازی عملی آن‌ها می‌باشد.هدف: پیاده‌سازی بهینه کمی سازی پرفیوژن ام‌آرآی با تزریق ماده کنتراست‌زا. روش: یک روش جدید برای استخراج اتوماتیک AIF با استفاده از معیارهای جدید و با استفاده روش خوشه‌بندی DBSCAN ارائه شد، همچنین با استفاده از روش رگرسیون غیرخطی وزن‌دار کمی سازی منحنی‌های غلظت زمان تصاویر DCE-MRI با استفاده از مدل‌های تافت و تافت گسترش‌یافته پیاده شد. یافته‌ها: بررسی‌ها نشان داد که روش ارائه‌شده برای استخراج AIF هم از لحاظ زمانی و هم از لحاظ دقت برتری قابل توجهی نسبت به روش‌های قبلی دارد. همچنین در مقایسه روش‌های معمول کمی سازی در تصویربرداری DCE-MRI با روش ارائه‌شده برای کمی سازی تفاوت قابل توجهی مشاهده شد. نتیجه‌گیری: یک روش مطمئن برای استخراج AIF ارائه شد که با سرعت بالا و به‌صورت سه‌بعدی می‌تواند تصاویر را بررسی کند و AIF را استخراج کند، روش حداقل مربعات غیرخطی وزن‌دار، هم در داده‌های دارای نسبت سیگنال به نویز بالا و هم در داده‌های بدون نویز برتری قابل توجهی نسبت به روش معمول لونبرگ مارکوارت دارد.

Magnetic resonance imaging

تصویربرداری رزونانس مغناطیسی

Arterial input function

عملکرد ورودی شریانی

Dynamic contrast enhanced MRI

افزایش کنتراست دینامیک MRI

Automatic AIF detection

تشخیص خودکار AIF

، پدیدآور

رضائی مولود، سلمان

، استاد راهنما

سلیقه راد، حمیدرضا

دانشگاه علوم پزشکی تهران، دانشکده پزشکی

ایران

20230205

۲۲۷۵ف

دانشگاه علوم پزشکی تهران، کتابخانه دانشکده پزشکی

p

TF

92029

a

Y