عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
NATIONAL BIBLIOGRAPHY NUMBER
Number
۹۸۷۴۵پ
LANGUAGE OF THE ITEM
.Language of Text, Soundtrack etc
فارسی
TITLE AND STATEMENT OF RESPONSIBILITY
Title Proper
افتراق ضایعات مغزی بیماری مولتیپل اسکلروزیس(MS ) و بیماری عروق کوچک مغزی (SVD) با کمک تکنیک‌های هوش مصنوعی در ام ار آی مغز
General Material Designation
[پایان نامه]
First Statement of Responsibility
مهران عرب احمدی
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
دانشگاه علوم پزشکی تهران، دانشکده پزشکی
Date of Publication, Distribution, etc.
۱۴۰۱
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۴۰ص.
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
دکتری تخصصی
Discipline of degree
رادیولوژِی
Date of degree
۱۴۰۱/۰۹/۲۶
Text preceding or following the note
۱۸
SUMMARY OR ABSTRACT
Text of Note
بیان مسئله: تشخیص مولتیپل اسکلروزیس (MS) در درجه اول مبتنی بر معاینه بالینی است، در حالی که توسط تصویربرداری رزونانس مغناطیسی (MR) که توسط رادیولوژیست های با تجربه ارزیابی می‌شود، پشتیبانی می‌شود. با این حال ویژگی‌های تصویربرداری معمول بیماری MS می‌تواند توسط سایر بیماری‌های سیستم اعصاب مرکزی تقلید شود. بیماری عروق کوچک مغزی (CSVD) یکی از این پاتولوژی‌هاست که ممکن است رادیولوژیست را در مورد تشخیص نهایی دچار مشکل کند. تشخیص افتراقی دشوار معمولاً هنگام شروع بیماری، هنگامی‌که گسترش نشانه¬ها و علائم در فضا و زمان وجود ندارد، بروز می‌کند. در نهایت، تشخیص اولیه هر دو بیماری برای شروع درمان مناسب از اهمیت بالایی برخوردار است.هدف این پایان نامه، طراحی، پیاده سازی و ارزیابی یک سیستم کمک تشخیصی بر اساس الگوی تصاویرMR با استفاده از ویژگی‌های بافتی و هوش مصنوعی و طراحی نرم افزار Automated، بررسی و افتراق تشخیصMS از SVD در تصاویر MRI می‌باشد. روش : در این مطالعه تصاویر MRI مغز که توسط دستگاه سه تسلا زیمنس در بیماران با تشخیص قطعی ام اس (هر چهار تایپ آن)(گروه مورد) در دو مرحله حمله حاد بیماری و بیمار فاقد علایم بالینی حمله ام اس، مراجعه کننده به مرکز تصویربرداری بیمارستان امام خمینی (ره) که معیارهای ورود به مطالعه را داشتند و بیمارانی که به دلایل دیگر در این مرکز MRI مغز انجام داده بودند و در شرح حال سابقه ابتلا به عوامل خطر بیماری‌های قلبی عروقی (diabetes mellitus، peripheral vascular disease ، coronary artery disease، cerebral vascular disease، hyperlipidaemia، (hypertension داشتند و توسط رادیولوژیست تشخیصcerebral small vessels disease (گروه شاهد) مطرح شده بود، در سکانس¬هایFLAIR وT 1بدون تزریق و T2 بدون تزریق مورد بررسی قرار گرفتند. تصاویر ام ار ای بیماران توسط رادیولوژیست با تجربه کاری حداقل ده سال در زمینه neuroimaging گزارش شده و حدود تمامی ضایعات white matter توسط رادیولوژیست و نرم افزار طراحی شده جهت سگمنتاسیون هوش مصنوعی مشخص شده است ، سپس داده‌های خروجی نیز توسط نرم افزار هوش مصنوعی طراحی شده از قبل بر اساس Machine learning مجددا آنالیز شده و بر اساس neural network و استفاده از تکنیک حدس و تشخیص بیمار بعدی بر اساس داده‌های مجموعه بیماران قبلی پرداخته و نتایج توسط نورورادیولوژیست و با توجه به تشخیص بیمار مجددا ارزیابی شدند و قدرت تشخیصی روش هوش مصنوعی با گلد استاندارد فعلی( مجموع معیارهای بالینی و تصویربرداری) بررسی شدند.یافته‌ها و نتیجه گیری : در این مطالعه تعداد80 مبتلا به بیماری ام اس، در مجموع تعداد265 ضایعه مغزی و67 مبتلا به بیماری عروق کوچک مغزی و 218 ضایعه SVD،مورد بررسی قرار گرفت. نتایج حاصل از این مطالعه نشان داد که الگوی هوش مصنوعی با حساسیت 78.57% و ویژگی 93.33% (P-value<0.05) و PPV 91.67و NPV 82.35 و Balanced Accuracy 85.95 و AUC 78.71 )90.48-102.2) توانایی افتراق تصاویر ام ار ای بیماران مبتلا به ام اس را از بیماری عروق کوچک مغزی صرفا بر اساس یافته‌های تصویربرداری را دارد.
TOPICAL NAME USED AS SUBJECT
Entry Element
ام. اس. (بیماری)
Entry Element
Multiple Seferosis
Entry Element
هوش مصنوعی
Entry Element
Artificial intelligence
Entry Element
مغز
Entry Element
Brain damage
Topical Subdivision
-- ضایعات
a09
a09
a14
a14
a16
a16
بیماری عروق کوچک مغزی
ام ار ای
MRI
مولتیپل اسکلروزیس
SVD
PERSONAL NAME - PRIMARY RESPONSIBILITY
Relator Code
، پدیدآور
عرب احمدی، مهران
PERSONAL NAME - SECONDARY RESPONSIBILITY
Relator Code
، استاد راهنما
Relator Code
، استاد راهنما
Relator Code
، استاد مشاور
Relator Code
، استاد مشاور
فیروزنیا، کاووس
محمدزاده، مریم
هاشمی، حسن
عباس تبار، هدایت
CORPORATE BODY NAME - SECONDARY RESPONSIBILITY
Entry Element
دانشگاه علوم پزشکی تهران، دانشکده پزشکی
ORIGINATING SOURCE
Country
ایران
Date of Transaction
20230107
LOCATION AND CALL NUMBER
Call Number
۱۴۰۳۰ت
DATA NOT CONVERTED FROM SOURCE FORMAT
Tag of the Source Format Field
دانشگاه علوم پزشکی تهران، کتابخانه دانشکده پزشکی
p
TF
92029
a
Y
