عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
شماره کتابشناسی ملی
شماره
۹۸۷۴۵پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
فارسی
عنوان و نام پديدآور
عنوان اصلي
افتراق ضایعات مغزی بیماری مولتیپل اسکلروزیس(MS ) و بیماری عروق کوچک مغزی (SVD) با کمک تکنیک‌های هوش مصنوعی در ام ار آی مغز
نام عام مواد
[پایان نامه]
نام نخستين پديدآور
مهران عرب احمدی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
دانشگاه علوم پزشکی تهران، دانشکده پزشکی
تاریخ نشرو بخش و غیره
۱۴۰۱
مشخصات ظاهری
نام خاص و کميت اثر
۴۰ص.
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری تخصصی
نظم درجات
رادیولوژِی
زمان اعطا مدرک
۱۴۰۱/۰۹/۲۶
امتياز متن
۱۸
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
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.
موضوع (اسم عام یاعبارت اسمی عام)
عنصر شناسه ای
ام. اس. (بیماری)
عنصر شناسه ای
Multiple Seferosis
عنصر شناسه ای
هوش مصنوعی
عنصر شناسه ای
Artificial intelligence
عنصر شناسه ای
مغز
عنصر شناسه ای
Brain damage
تقسیم فرعی موضوعی
-- ضایعات
داده رابط بین فیلدها
a09
داده رابط بین فیلدها
a09
داده رابط بین فیلدها
a14
داده رابط بین فیلدها
a14
داده رابط بین فیلدها
a16
داده رابط بین فیلدها
a16
موضوع مستند نشده
بیماری عروق کوچک مغزی
موضوع مستند نشده
ام ار ای
موضوع مستند نشده
MRI
موضوع مستند نشده
مولتیپل اسکلروزیس
موضوع مستند نشده
SVD
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
کد نقش
، پدیدآور
مستند نام اشخاص تاييد نشده
عرب احمدی، مهران
نام شخص - ( مسئولیت معنوی درجه دوم )
کد نقش
، استاد راهنما
کد نقش
، استاد راهنما
کد نقش
، استاد مشاور
کد نقش
، استاد مشاور
مستند نام اشخاص تاييد نشده
فیروزنیا، کاووس
مستند نام اشخاص تاييد نشده
محمدزاده، مریم
مستند نام اشخاص تاييد نشده
هاشمی، حسن
مستند نام اشخاص تاييد نشده
عباس تبار، هدایت
شناسه افزوده (تنالگان)
عنصر شناسه اي
دانشگاه علوم پزشکی تهران، دانشکده پزشکی
مبدا اصلی
کشور
ایران
تاريخ عمليات
20230107
شماره دستیابی
شماره بازیابی
۱۴۰۳۰ت
داده هایی که از فرمت مبدا برگردانیده نشده است
شماره فيلد فرمت مبدا
دانشگاه علوم پزشکی تهران، کتابخانه دانشکده پزشکی
وضعیت انتشار
فرمت انتشار
p
اطلاعات رکورد کتابشناسی
نوع ماده
TF
کد کاربرگه
92029
اطلاعات دسترسی رکورد
سطح دسترسي
a
تكميل شده
Y
