ارایه روش انطباق ترکیبی داده های فوتواکوستیک و MRI در فضای تنگ به منظور محاسبه تغییر فرم بافت مغز در حین جراحی به کمک سیستم IGS
General Material Designation
[پایان نامه]
First Statement of Responsibility
پرستو فرنیا
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
دانشگاه علوم پزشکی تهران، دانشکده پزشکی
Date of Publication, Distribution, etc.
۱۳۹۹
PHYSICAL DESCRIPTION
Accompanying Material
سی دی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
دکتری تخصصی (phd)
Discipline of degree
مهندسی پزشکی
SUMMARY OR ABSTRACT
Text of Note
امروزه استفاده از سامانه¬های راهبری جراحی به کمک تصویر در حین جراحی مغز تبدیل به امری ضروری شده است. این سیستم¬ها این امکان را به جراح می¬دهند که موقعیت ابزار جراحی خود را در حین فرآیند بر روی تصاویر پیش از عمل مشاهده کنند و طی فرآیندی با کم¬ترین تهاجم به موقعیت¬یابی دقیق ناحیه¬ی پاتولوژیک و ساختارهای آناتومی بپردازند. دقت و صحت عملکرد این سامانه¬ها به¬علت حیاتی بودن بافت مغز بسیار حایز اهمیت است. اما در حین جراحی بعد از باز کردن جمجمه و لایه دورا، بافت مغز دچار جابه¬جایی و تغییر فرمی غیرخطی می¬شود. این تغییر فرم از مهم¬ترین عوامل محدود کردن دقت در سامانه¬های راهبری جراحی مغز محسوب می¬شوند. یکی از روش¬های محاسبه و جبران این تغییر فرم استفاده از تصویربرداری در حین جراحی است. روش¬های تصویربرداری موجود دارای محدودیت¬هایی هستند که استفاده از آن¬ها در حین جراحی را با چالش مواجه می¬کنند. هدف: در این پژوهش برای اولین بار استفاده از روش تصویربرداری فوتواکوستیک در حین جراحی به¬منظور محاسبه تغییرفرم بافت مغز پیشنهاد شده است.مواد و روش کار: روش پیشنهادی این پژوهش به منظور محاسبه تغییر فرم بافت مغز به انطباق تصاویر فوتواکوستیک حین جراحی با تصاویر MRI قبل از جراحی می¬پردازد. مراحل انجام این پژوهش بدین صورت است که به منظور دست¬یابی به تصاویر فوتواکوستیک با کیفیت مناسب ابتدا کاهش نویز سیگنال¬های فوتواکوستیک با استفاده از روشی بر اساس یادگیری دیکشنری انجام شده است. سپس سیگنال¬های کاهش نویز یافته بر اساس روشی ترکیبی بر پایه یادگیری عمیق بازسازی شده است و در نهایت تصاویر با کیفیت فوتواکوستیک تغییر فرم یافته و با تصاویر MRI قبل از تغییر فرم انطباق یافته¬اند. در الگوریتم انطباق پیشنهادی، تصاویر با استفاده از مدل آنالیز نمایش تنک co-sparse به تصاویر تنکی که حاوی اطلاعات و ویژگی¬های اصلی تصویر می¬باشند تبدیل می¬¬شوند و با تابع هزینه¬ای بهینه بر اساس الگوریتم Demons با حداقل پیچیدگی بر هم منطبق می¬شوند. الگوریتم انطباق پیشنهادی بر روی دو مجموعه داده فانتوم شبیه¬سازی شده و داده¬های مغز موش تست شد.یافته¬ها: الگوریتم کاهش نویز پیشنهادی منجر به افزایش نسبت کنتراست در تصاویر بازسازی شده تا حدود 38% در مقایسه با روش میانگین¬گیری معمول شد و تنها با استفاده از حدود 4% فریم¬ها در بدترین حالت زمان محاسبات را حدود 49% کاهش داد. در حوزه¬ی بازسازی تصویر با بالابردن کیفیت تصویر بازسازی شده به معیار نگهداری لبه حدود 9/0 و شاخص معیار شباهت حدود 97/0 رسیدیم. همچنین الگوریتم انطباق پیشنهادی برای داده¬های فانتوم شبیه¬سازی بافت مغز دارای خطای انطباق 0.04±0.69 و خطای انطابق هدف 0.03±0.54 می¬باشد. این الگوریتم برای داده¬های مغز موش دارای خطای انطباق 0.04±1.23 و خطای انطابق هدف 0.03±0.98 می¬باشد.بحث و نتيجه¬گيري نهايي: همان¬طور که نتایج این پژوهش اثبات کرد با روش کاهش نویز و بازسازی تصویر پیشنهادی در زمان بسیار کم¬ به تصاویر فوتواکوستیک با کیفیت بالا دست یافتیم که توانایی استفاده در حین جراحی را دارند. با انطباق این تصاویر فوتواکوستیک و تصاویر پیش از جراحی، تغییر فرم بافت مغز با دقت قابل قبولی به¬دست آمد.