37 نتیجه برای عصبی
منصور رضایی، نگین فخری، فاطمه رجعتی، سوده شهسواری،
دوره 77، شماره 6 - ( 6-1398 )
چکیده
زمینه و هدف: دیابت بارداری از شایعترین اختلالات متابولیک بارداری است که با عوارض خطرناکی همراه است. در صورت تشخیص زودرس آن میتوان از برخی عوارض مادری و جنینی جلوگیری کرد. هدف این پژوهش پیشبینی زودرس دیابت بارداری توسط مدلهای آماری شبکه عصبی مصنوعی و درخت تصمیم و نیز مقایسه این مدلها در تشخیص دیابت بارداری بود.
روش بررسی: در این مطالعه مدلسازی، از پروندههای زنان باردار در مراکز بهداشتی شهر کرمانشاه (۱۳۹۱-۱۳۸۹)، ۴۰۰ پرونده که بدون دادههای گمشده بود بررسی شد. اطلاعات دموگرافیک، رتبه بارداری، دیابت، پارامترهای باروری و نتایج آزمایشات از پرونده آنان گردآوری شد. مدلهای شبکه عصبی مصنوعی پرسپترون و درخت تصمیم به دادهها برازش داده شد و عملکرد آنها با هم مقایسه گردید. براساس معیارهای صحت، حساسیت، ویژگی و سطح زیر منحنی راک (Receiver operating characteristic, ROC)، مدل برتر معرفی شد.
یافتهها: پس از برازش مدلهای شبکه عصبی مصنوعی و درخت تصمیم، مقادیر معیارها محاسبه شد. مقدار تمام معیارها در شبکه عصبی بیشتر از درخت تصمیم بود. بهترتیب برای مدلهای یادشده، صحت برابر ۰/۸۳ و ۰/۷۷، حساسیت ۰/۶۲ و ۰/۵۶، ویژگی ۰/۹۵ و ۰/۸۷ بود. سطح زیر منحنی راک مدل شبکه عصبی بهطور معناداری بیشتر از درخت تصمیم بود (۰/۷۹، ۰/۷۴ و ۰/۰۳P=).
نتیجهگیری: در پیشبینی دیابت بارداری، مدل شبکه عصبی مصنوعی دارای صحت، حساسیت، ویژگی و سطح زیر منحنی راک بالاتری نسبت به درخت تصمیم بود. میتوان نتیجه گرفت که مدل شبکه عصبی مصنوعی پرسپترون دارای پیشبینیهای صحیحتر و نزدیکتر به واقعیت نسبت به درخت تصمیم است.
فریبا یدالهی، مسعود مهرپور،
دوره 77، شماره 7 - ( 7-1398 )
چکیده
زمینه و هدف: با اجرای تمرینهای هدفمند توانبخشی عصبی میتوان مهارت خاصی را در یک فرد سالم ایجاد کرد و نیز به بازتوانی در اندامها دست یافت. پشتوانه این فرضیه، نوروپلاستیسیتی در مغز است. در صورت بروز اختلال در سامانه مرکزی اعصاب، قشر حرکتی و یا سنسوری مغز، یادگیری حرکت دستخوش تغییر و در بیشتر موارد دچار اختلال میگردد. با پژوهش در رهیافت کنترلی مغز در مورد نحوه استخدام المانهای حرکتی در محیط بیرونی، مدلسازی بازتوانی عصبی امکانپذیر میگردد. هدف از مطالعه کنونی، مروری بر مطالعاتی است که به بررسی نقش نوروپلاستیسیتی مغزی و عوامل مرتبط با آن در بازتوانی عصبی-حرکتی پرداختهاند.
روش بررسی: برای تدوین مقاله کنونی به منابع مربوط از ژانویه ۲۰۰۵ تا ژانویه ۲۰۱۷ استناد گردیده است. بهاینمنظور با استفاده از پایگاههای اطلاعاتی Google Scholar، ProQuest، PubMed، Web of Science و نیز با ترکیب کردن واژهها، جستجو صورت پذیرفته و در مرحله اول ۴۱ مقاله مرتبط با موضوع انتخاب گردید. سپس از بین این مقالات و بر مبنای یک روش گزینشی هدفمند، مقالاتی که محتوای آنها با موضوع مطالعه مرتبط بودند، برگزیده شدند.
یافتهها: بررسی مطالعات نشان داد، تقویت نوروپلاستیستی مغز فرآیند یادگیری فعالیتهای حرکتی و بهبودی را تسهیل میبخشد و برای بازتوانی افراد دچار سکته مغزی میتوان بر روی سینرژیهای عضلاتی که الگوی فعالیت آنها پس از سکته دچار تغییر شده است تمرکز کرد.
نتیجهگیری: به حداکثر رساندن میزان نوروپلاستیسیته مغزی برای ارایه بیشترین پتانسیل جهت رسیدن به موفقیت بیشتر در درمانهای توانبخشی بهدنبال اختلالات عصبی است.
علی عامری،
دوره 77، شماره 7 - ( 7-1398 )
چکیده
زمینه و هدف: با پیشرفت یادگیری عمیق (Deep learning)، انقلاب بزرگی در هوش مصنوعی ایجاد شده که بسیاری از رشتهها را بهشدت تحت تاثیر خود قرار داده است. یادگیری عمیق، پردازش دادههای خام با ابعاد بالا (مانند سیگنال یا تصویر) را بدون نیاز به مهندسی ویژگی (Feature engineering)، امکانپذیر میکند. هدف از این پژوهش، توسعه یک سیستم بر پایه یادگیری عمیق، برای تخمین اراده حرکتی از روی سیگنال EMG میباشد.
روش بررسی: در این مطالعه، یک سیستم مایوالکتریک (Myoelectric) بر پایه شبکه عصبی کانولوشنال (CNN) (که یک مدل یادگیری عمیق است)، بهعنوان جایگزینی برای روشهای معمول طبقهبندی (Classification) که نیازمند به مهندسی ویژگی هستند، معرفی شده است. این سیستم برای حرکات انفرادی و ترکیبی مچ دست، بر روی ده شخص سالم، مورد ارزیابی قرار گرفته شد. عملکرد روش پیشنهادی، با یک سیستم استاندارد برپایه Support vector machine (SVM) که از ویژگیهای حوزه زمانی (Time domain, TD) استفاده میکند، مقایسه گردید.
یافتهها: باوجود عملکرد ثابت شده و رواج بسیار بالای ویژگیهای TD، سیستم پیشنهادی بهدقت طبقهبندی مشابهی (۰/۱۹P=) دست یافت. مزیت سیستم پیشنهادی در این است که نیازی به استخراج دستی و مهندسی ویژگی از سیگنال EMG وجود ندارد و CNN بهصورت خودکار، ویژگیهای مورد نیاز را فراگرفته و از سیگنال استخراج میکند.
نتیجهگیری: این یافتهها، توانایی بالای CNN، برای یادگیری و استخراج اطلاعات غنی و پیچیده از سیگنالهای بیولوژیک را نشان میدهد. CNN میتواند اطلاعات زمانی و فرکانسی مورد نیاز برای تخمین اراده حرکتی را از روی سیگنال EMG فرا بگیرد.
مسعود غیاثیان، سجاد دانشیار، خالد کریمینژاد، عباس مرادی،
دوره 77، شماره 8 - ( 8-1398 )
چکیده
زمینه و هدف: آنومالی وریدی شایعترین ناهنجاری عروقی سیستم عصبی مرکزی است که با توجه به مکان درگیری میتواند علایم مختلف عصبی ایجاد کند. شناخت علایم بالینی و عوارض احتمالی این بیماری کمک شایانی به تشخیص و درمان آن مینماید. این مطالعه با هدف بررسی تظاهرات بالینی بیماران مبتلا به آنومالی وریدی صورت گرفت.
روش بررسی: این مطالعه همگروهی آیندهنگر که در بیمارستان سینا شهر همدان از فروردین ۹۵ تا اسفند ۱۳۹۶ انجام شد، تعداد ۴۱ بیمار مبتلا به آنومالی وریدی مورد بررسی قرار گرفتند. دادههای بیماران از نظر مراجعات آنها در طی دوره پیگیری گردآوری و نتایج آن گزارش گردید.
یافتهها: در این مطالعه ۲۱ نفر (۵۱/۲۱%) مرد و ۲۰ نفر (۴۸/۷۹%) زن با میانگین سنی بیماران ۲±۵۰ سال بررسی شدند. شایعترین نشانه اولیه بیماری تشنج در ۲۰ بیمار (۴۸/۷۸%) بود. بیشتر ضایعات در لوب پریتال با ۱۱ مورد (۲۶/۸۲%) و سپس در لوب فرونتال با هشت مورد (۱۹/۵۱%) بود. از نظر عوارض طی فالوآپ ۱۶ بیمار (۳۹/۰۲%) بدون عارضه، ۱۶ بیمار دچار ۴۸ اپیزود تشنج، هفت بیمار دچار ۹ اپیزود خونریزی مغزی، دو بیمار دچار همیپارزی اندام، یک بیمار دچار سردرد و یک بیمار دچار فلج عصب شش مغزی شد. از نظر بیماری و ریسک فاکتورها بهترتیب ۹ بیمار (۲۶/۸۲%) مبتلا به فشارخون بالا، پنج بیمار (۱۲/۱۹%) مبتلا به مننژیوم و سه بیمار (۷/۳۱%) مبتلا به دیابت بودند. هفت بیمار (۱۷/۰۷%) سابقه خانوادگی مثبت داشتند که شیوع علایم و عوارض در آنها بالاتر از سایر بیماران بود.
نتیجهگیری: بیشتر ضایعات بهصورت تکگیر و شایعترین علامت بالینی آن تشنج بود. ضایعات سوپراتنتوریال بیشتر با تشنج و ضایعات اینفراتنتوریال بیشتر با خونریزی همراه بودند.
رضا حاجتی، محمدمسعود رحیمی بیدگلی، محمد روحانی، آفاق علوی،
دوره 78، شماره 2 - ( 2-1399 )
چکیده
سندرمهای "تخریب و تحلیل عصبی همراه با تجمع آهن در مغز" یا Neurodegeneration with brain iron accumulation (NBIA) به گروهی از بیماریهای نورولوژیک وراثتی گفته میشود که با تجمع غیرنرمال آهن در بازال گانگلیا همراه هستند. این بیماریها از نظر بالینی و ژنتیکی هتروژن بوده و با علایمی چون اختلالات حرکتی (از جمله دیستونی، پارکینسونیسم)، دیسآرتری، اسپاستیسیتی، ناتوانی ذهنی و مرگ زودرس شناخته میشوند. سن بروز بیماری از کودکی تا بزرگسالی و سرعت پیشرفت بیماری متفاوت است. بهطور معمول روش درمانی برای این دسته از بیماریها وجود ندارد و روشهای موجود، تنها علایم محور بوده و توانایی جلوگیری از پیشرفت بیماری را ندارند. تاکنون بیش از ۱۰ ژن مختلف مرتبط با این بیماری شناسایی شده است. برخی از این ژنها، پروتیینهایی را کد میکنند که در مسیرهای متابولیکی مشترکی نقش دارند. برای مثال از میان این ژنها، دو ژن، کدکننده پروتیینهایی هستند که مستقیم با متابولیسم آهن مرتبط بوده و سایر ژنها، کدکننده پروتیینهایی هستند که در عملکردهای مختلفی از جمله متابولیسم لیپید، فعالیت لیزوزومال و فرآیندهای اتوفاژی نقش داشته و عملکرد برخی نیز همچنان ناشناخته باقیمانده است. انواع زیرگروههای NBIA، براساس ژنی که دچار جهش شده است، طبقهبندی میشوند. با وجود اینکه در طی ۱۰ سال اخیر پیدایش تکنیک توالییابی کل اگزوم، شناسایی ژنهای عامل بیماری را تسریع کرده است، اما بهنظر میرسد که هنوز ژنهای ناشناختهی دیگری نیز برای این دسته از بیماریها وجود دارد و دانش ما در مورد مکانیسم پاتوژنز بیماری NBIA کامل نمیباشد. در حال حاضر بررسی گسترده پیرامون NBIA در ایران صورت نگرفته است، با این حال جدیدترین ژن شناخته شده برای این دسته از بیماریها (GTPBP۲) در یک خانوادهی ایرانی شناسایی شده است.
داریوش افشاری علیآبادی، نسرین مرادیان، الهام رحمانیان، مسعود محمدی،
دوره 78، شماره 3 - ( 3-1399 )
چکیده
زمینه و هدف: سندرم گیلن باره شدیدترین نوروپاتی ناخوشایند حاد است، از اینرو هدف این مطالعه بررسی مشخصات بیماران مبتلا به سندرم گیلن باره بود.
روش بررسی: این مطالعه بهصورت توصیفی-تحلیلی (مقطعی) و با استفاده از دادههای بیماران بستری شده در بیمارستانهای امام رضا (ع) و فارابی کرمانشاه از فروردین ۱۳۷۲ تا اسفند ۱۳۹۲ انجام و تعداد ۲۶۲ پرونده بررسی شد.
یافتهها: از افراد مورد بررسی ۵۹/۵% مرد و ۴۰/۵% زن و میانگین سن بیماران مورد مطالعه ۲۲/۹±۴۴/۶ بود. بیشترین افراد مبتلا در سن ۳۰ تا ۵۰ سالگی و بیشترین شیوع در فصل بهار مشاهده گردید. پلیرادیکولونوروپاتی دمیلیناتینگ التهابی حاد با ۴/۵۳% شایعترین تظاهر این سندرم در بین بیماران بوده و میزان مرگومیر نیز ۵/۷% گزارش شد.
نتیجهگیری: نتایج مطالعه حاضر نشان داد که پلیرادیکولونوروپاتی دمیلیناتینگ التهابی حاد بیشترین شیوع را در بیماران داشته و با افزایش سن کاهش و این سندرم در فصل بهار شیوع بیشتری داشته است.
علی عامری،
دوره 78، شماره 4 - ( 4-1399 )
چکیده
زمینه و هدف: شایعترین انواع سرطان پوست غیرملانومی، سرطانهای سلول پایهای (Basal cell carcinoma, BCC) و سلول اسکواموس (Squamous cell carcinoma, SCC) میباشند. Actinic keratoses (Solar keratoses) و Intraepithelial carcinoma (Bowen’s disease) که بهطور مخفف از آنها با نام AKIEC یاد میکنیم، پیشزمینههای SCC هستند. از آنجا که تشخیص زودهنگام، تاثیر بسزایی در درمان سرطان دارد، این مطالعه یک مدل مبتنی بر کامپیوتر برای تشخیص این سرطان معرفی میکند.
روش بررسی: در این مطالعه تحلیلی که در بهمن 1398 در دانشگاه علوم پزشکی شهید بهشتی انجام شد، از مجموعه تصاویر درماسکوپی Human against machine with 10000 training images (HAM10000)، تعداد 327 تصویر AKIEC، 513 تصویر BCC و 840 تصویر کراتوسیس خوشخیم (Benign keratosis, BK) استخراج گردید. از هر کدام از این سه نوع داده، 90% تصاویر بطور تصادفی بهعنوان داده آموزشی انتخاب و مابقی بهعنوان داده تست لحاظ شدند. از یک مدل یادگیری عمیق شبکه عصبی کانولوشنال (Deep learning convolutional neural network)، با استفاده از شبکه AlexNet (Krizhevsky, et al., 2012) بهعنوان شبکه از پیشآموزش (Pretrained) داده شده برای تشخیص سرطان استفاده شد. پس از آموزش شبکه بر روی داده آموزشی، عملکرد آن بر روی داده تست، ارزیابی گردید.
یافتهها: مدل یادگیری عمیق پیشنهادی به دقت 90%(Accuracy) در طبقهبندی (Classification) تصاویر به دو کلاس خوشخیم و بدخیم دست یافت. همچنین مساحت زیر منحنی Receiver operating characteristic (ROC) 0.97، حساسیت 94% (Sensitivity) و اختصاصیت 86% (specificity) بهدست آمد.
نتیجهگیری: این یافتهها نشان میدهد که مدلهای یادگیری عمیق میتوانند به دقت بالایی در تشخیص سرطان غیرملانومی پوست دست یابند.
همایون یکتایی، محمد منثوری،
دوره 78، شماره 6 - ( 6-1399 )
چکیده
سرطان پستان، شایعترین سرطان در بین زنان میباشد و هر چقدر سرطان پستان زودتر تشخیص داده شود، درمان آن آسانتر است. رایجترین روش تشخیص سرطان سینه ماموگرافی میباشد. ماموگرافی یک عکس رادیوگرافی ساده از پستان و ابزاری برای کشف زودرس سرطانها و تومورهای غیرقابل لمس پستان است. با اینحال، با توجه به برخی محدودیتهای این روش مانند حساسیت کم بهویژه در سینههای متراکم، روشهای دیگری مانند ماموگرافی سه بعدی، سونوگرافی و تصویربرداری با رزونانس مغناطیسی اغلب برای دستیابی به اطلاعات بیشتر و دقیقتر پیشنهاد میشود. بهتازگی، سیستمهای تشخیص یا تشخیص هوشمند با کمک رایانه برای کمک به رادیولوژیستها بهمنظور افزایش دقت تشخیصی تولید شدهاند. بهطورکلی، یک سیستم کامپیوتری از چهار مرحله پیشپردازش، تقسیم مناطق مورد علاقه (ROI)، استخراج و انتخاب ویژگیها و در آخر طبقهبندی تشکیل میشود. امروزه استفاده از روشها و تکنیکهای پردازش تصویر و شناسایی الگوها در تشخیص و تعیین خودکار سرطان پستان از روی تصاویر ماموگرافی و حتی آسیبشناسی دیجیتال که یکی از روندهای در حال ظهور در پزشکی مدرن است، باعث کم شدن خطاهای انسانی و افزایش سرعت تشخیص میشوند. در این مقاله مروری به بررسی کارهای انجام شده و معایب و مزایای آن در زمینهی تشخیص سرطان پستان به کمک شبکههای عصبی بهویژه شبکه عصبی کانوولوشن (Convolutional artificial neural network) که در تشخیص انواع سرطانها بهویژه تشخیص هوشمند سرطان پستان بهطور گستردهای استفاده شده است، پرداخته شده است. بررسی مقالات نشان میدهد که الگوریتمهای ترکیبی در بهبود طبقهبندی و دقت تشخیص بهتر بودهاند.
ساناز جعفری، احمد شالباف، جمی اسلی،
دوره 78، شماره 6 - ( 6-1399 )
چکیده
زمینه و هدف: اطمینان از کافی بودن عمق بیهوشی به هنگام عمل جراحی امری ضروری برای متخصصین بیهوشی، بهمنظور پیشگیری از احتمال بروز حالاتی چون هشیاری ناخواسته در حین عمل جراحی و یا عدم بازگشت بیمار به هشیاری میباشد. مطالعه حاضر با هدف تعیین عمق بیهوشی براساس سیگنال الکتروانسفالوگرم با استفاده از روشهای موثر ارتباطات مغزی بین نواحی فرونتال و تمپورال انجام شده است.
روش بررسی: در این پژوهش که از اردیبهشت تا دی ۱۳۹۷ در تهران به طول انجامیده است، از سیگنال الکتروانسفالوگرافی هشت نفر از بیماران بیمارستان وایکاتو نیوزلند (Waikato District Health Board, Hamilton, New Zealand) که تحت بیهوشی پروپوفول قرار گرفته بودند، استفاده شده است. در این مطالعه، ارتباطات مغزی موثر در نواحی فرونتال و تمپورال مغز با استفاده از روشهای مختلف علیت گرنجر (Granger-Geweke causality, GGC) استخراج گردیده است. استخراج شاخصهای ارتباط موثر در سه حالت (بیداری، بیهوشی و ریکاوری) محاسبه گردیده و سپس در انتها از شبکه عصبی پرسپترون (Perceptron neural network) بهمنظور طبقهبندی اتوماتیک فازهای بیهوشی استفاده شده است.
یافتهها: نتایج برای کلیه دادگان نشان میدهد که روش تابع انتقال جهتدار شده بهدلیل واکنش سریعتر در هنگام دریافت دارو، تغییرات کم و توانایی بهتر در تشخیص اتوماتیک سه حالت بیهوشی در هنگام استفاده از شبکه عصبی مصنوعی، بهتر از شاخص BIS بهعنوان مرجع حال حاضر تعیین عمق بیهوشی در استفادههای کلینیکال عمل میکند.
نتیجهگیری: تابع انتقال جهتدار میتواند اثر داروی پروپوفول را بهطور موثر دنبال کند و حالتهای بیهوشی را نسبت به سایر شاخصهای ارتباطات موثر بهخوبی تخمین بزند. همچنین این روش بهتر از شاخص BIS بهعنوان یک مانیتور تجاری عمق بیهوشی عمل کرد.
منصور رضایی، داریوش افشاری، نگین فخری، نازنین رزازیان،
دوره 79، شماره 4 - ( 4-1400 )
چکیده
زمینه و هدف: مالتیپل اسکلروزیس Multiple sclerosis, MS)) جزو ناتوانکنندهترین بیماری در بالغین جوان است. آگاهی از نمره ناتوانی این بیماران (Expanded disability status scale, EDSS)، در انتخاب روند درمانی آنان مفید است. محاسبه EDSS وقت زیادی از پزشک متخصص میگیرد. هدف از این مطالعه برآورد نمره EDSS بیماران MS با استفاده از مدلهای شبکه عصبی مصنوعی (ANN) و درخت تصمیم (DT) بود.
روش بررسی: این مطالعه مقطعی بر روی دادههای مطالعه رجیستری MS استان کرمانشاه از اردیبهشت 1396 تا آذر 1397 انجام شد. 12 متغیر شامل اطلاعات دموگرافیک، اطلاعاتی در مورد بیماری MS افراد و نمره EDSS آنان از مجموعه دادهها استخراج گردید. نمره EDSS افراد توسط مدلهای ANN و DT نیز برآورد شد. عملکرد مدلها از نظر خطای برآورد، همبستگی و میانگین نمره برآورد شده، مورد مقایسه قرار گرفت. از (Waikato Environment for Knowledge Analysis (Weka), University of Waikato, New Zealand) و SPSS software, version 25 (IBM SPSS, Armonk, NY, USA) استفاده شد.
یافتهها: 353 نفر با میانگینهای سن 47/36±1/9 سال، سن شروع بیماری 34/30±2/9 سال، طول دوره بیماری 20/6±7/5 سال و نمره 8/1±46/2 EDSS بررسی شدند. خطاهای برآورد در مدل DT کمتر از مدل ANN بود. نمره EDSS واقعی همبستگی معنی داری با نمره برآورد شده توسط (571/0DT (r= و (623/0ANN (r= داشت. میانگین EDSS برآورد شده توسط DT (46/2±1/1) تفاوت معناداری با میانگین EDSS واقعی نداشت (621/0P=). میانگین EDSS برآورد شده توسط ANN (87/2±3/1) بهطور معناداری بیشتر از میانگین EDSS واقعی بود (05/0P<).
نتیجهگیری: مدل DT نسبت به مدل ANN، نمره EDSS را بهتر برآورد کرد و به نمرات واقعی EDSS نزدیکتر بود. با مدل DT میتوان EDSS بیماران MS را با دقت مناسبی تخمین زد.
سارا باقرزاده، آرش مقصودی، احمد شالباف،
دوره 79، شماره 10 - ( 10-1400 )
چکیده
زمینه و هدف: اسکیزوفرنی یک اختلال روانی است و به شدت بر ادراک و روابط فردی تأثیر میگذارد. در حال حاضر تشخیص این بیماری با استفاده از تستهای شناختی توسط روانپزشک انجام میشود که به شدت به تجربه و دانش وی وابسته است. هدف از این مطالعه طراحی یک چارچوب کاملاً خودکار برای تشخیص اسکیزوفرنی از روی سیگنال الکتروانسفالوگرام با استفاده از ارتباطات موثر مغزی و روشهای یادگیری عمیق است.
روش بررسی: در این مطالعه تحلیلی که از فروردین تا مهر 1400 در تهران به طول انجامیده است، سیگنالهای الکتروانسفالوگرام 19 کاناله از 14 بیمار مبتلا به اسکیزوفرنی و 14 فرد سالم ثبت و پیشپردازش شده است. سپس، معیار ارتباطات موثر با استفاده از روش آنتروپی انتقالی، از سیگنالهای الکتروانسفالوگرام تخمین زده شده و یک ماتریس ارتباطات نامتقارن 19×19 ساخته شده و با یک نقشه رنگی بهعنوان یک تصویر نشان داده میشود. سپس این تصاویر ارتباطات موثر بهعنوان ورودی پنج شبکه عصبی کانولوشنی الکسنت، رزنت-50، شافلنت، اینسپشن و ایکسپشن برای تشخیص بیماران اسکیزوفرنی استفاده میشوند.
یافتهها: نتایج مطالعه نشان داده است، بالاترین میانگین صحت و نمره F برای طبقهبندی دو کلاس اسکیزوفرنی و سالم با استفاده از تصاویر مذکور از مدل شبکه اینسپشن، با مقادیر بهترتیب برابر با 52/96% و 89/95% در ارزیابی مستقل از فرد و 51/98% و 51/98% در ارزیابی متقابل با 10 دسته بهدست آمده است.
نتیجهگیری: با اتکا به نتایج بهدست آمده، مدل جدید ارایه شده میتواند کمک شایانی به روانپزشکان در تشخیص دقیق افراد اسکیزوفرنیا داشته باشد و احتمال خطا و بدنبال آن درمان نامناسب را کاهش دهد.
سمیه نظری، راحله رفایی، حامد قزوینی، المیرا بیرامی، سارا چاوشینژاد، سیده معصومه سیدحسینی تمیجانی،
دوره 80، شماره 4 - ( 4-1401 )
چکیده
عصب واگ طولانیترین عصب مغزی و جزء اصلی سیستم پاراسمپاتیک است که سیستم عصبی مرکزی را به سیستمهای قلبی- عروقی، گوارشی، ایمنی و اندوکرین مرتبط کرده و با کنترل این سیستمها در هموستاز بدن نقش دارد. تحریک عصب واگ (VNS) مرتبط به هر تکنیکی است که عصب واگ را از طریق تحریک الکتریکی تحریک میکند. تکنیک تحریک عصب واگ، درمان تایید شده توسط FDA برای درمان صرع راجعه، افسردگی مقاوم به دارو و میگرن میباشد. اگرچه VNS از طریق شاخه گردنی و گوشی عصب واگ در بیماریهای دیگری مانند وزوز گوش و بیماری آلزایمر هم بررسی شده است. امروزه دو روش برای تحریک عصب واگ وجود دارد. الف) تحریک تهاجمی عصب واگ که نیاز به جراحی داشته و طی آن یک دستگاه تولید کننده ایمپالس در جدار قدامی قفسه سینه کاشته و توسط یک سیم به کاف الکترود که به دور عصب گردنی واگ پیچیده شده، مرتبط میگردد. ب) تحریک غیرتهاجمی تحت جلدی عصب واگ که با عوارض جانبی کمی همراه است. نتایج مطالعه با استفاده از جستجوی پیشرفته در پایگاههای اطلاعاتی Scientific Information Database (SID) Google Scholar, PubMed, Scopus در بازه زمانی 1390 تا 1400 گردآوری گردید. از 671 مقاله بهدست آمده، پس از ارزیابی، 53 مقاله وارد مطالعه شدند. جستجوی موضوعی نیز با استفاده از MeSH انجام شد. مطالعات نشان دادهاند که VNS با تغییر فعالیت عصبی مراکز تنظیم خلق مرتبط است، اما مکانیسم دقیق اثر VNS بر نتایج بالینی هنوز ناشناخته است. هدف این مطالعه مرور اثرات VNS در درمان اختلالات روانپزشکی و نورولوژیک و همچنین بحث در خصوص فرضیات مربوط به مکانیسمهای درمانی آن است.
یونس سلیمانی، امیررضا جهانشاهی، داود خضرلو،
دوره 80، شماره 11 - ( 11-1401 )
چکیده
زمینه و هدف: هنوز درک روشنی از الگوی آتروفی سابفیلدهای هایپوکامپ در بیماری آلزایمر و افتراق آن از اختلالات شناختی خفیف وجود ندارد. در این مطالعه مقطعی آتروفی سابفیلدهای هایپوکامپ در بیماران آلزایمر با بیماران مبتلا به اختلال شناختی اولیه (EMCI) و پایدار (LMCI) و همچنین گروه کنترل مقایسه شدند.
روش بررسی: مطالعه از نوع مقطعی بود که از شهریور 1400 تا 1401 در گروه رادیولوژی دانشکده پیراپزشکی تبریز انجام شد. تصاویر MRI مربوط به بیماران آلزایمر، بیمار EMCI، بیمار LMCI و گروه نرمال کنترل (NC) از پایگاه ADNI استخراج شد. با استفاده از ابزار بخشبندی هایپوکامپ در FreeSurfer Software, version 7, Harvard University, USA، سابفیلدهای مختلف هایپوکامپ جداسازی شدند. اختلاف حجم هرکدام از سابفیلدهای هایپوکامپ مابین گروههای شرکتکننده در مطالعه و همچنین اختلاف حجم دو به دو بین گروهها با استفاده از Kruskal-Wallis H test و Post-hoc Dunn's test بررسی گردید (05/0P<).
یافتهها: بیشترین اختلاف معنادار مابین گروههای چهارگانه شرکتکننده در مطالعه مربوط به سابفیلدهای Whole hippocampus، DG body، Subiculum body و Subiculum head بود (0001/0P<). هنگام بررسی دو به دو، بیشترین اختلاف معنادار مابین جفتگروه NC/AD و کمترین اختلاف معنادار مابین جفتگروه LMCI/AD و در سابفیلد Subiculum body مشاهده شد.
نتیجهگیری: در بیشتر سابفیلدهای هایپوکامپ اختلاف معناداری از آتروفی دیده میشود. چنین یافتههایی میتواند بهعنوان راهنما برای مطالعات آینده بهمنظور بهبود عملکرد تشخیصی برای شناسایی افراد در معرض خطر بالای بیماری آلزایمر کمککننده باشد.
محمدرضا صبری، بهار دهقان، مهسا رفیعی الحسینی،
دوره 81، شماره 1 - ( 1-1402 )
چکیده
زمینه و هدف: براساس مطالعات انجامشده، درمان دارویی سنکوپ رفلکسی در کاهش عود آن تاثیر قابلتوجهی ندارد. پیگیری 36 ماهه کوهورت پایلوت ما نشان داده بود که درمانهای غیردارویی بهتنهایی در کاهش دفعات عود موثر است. هدف این مطالعه بررسی نتایج طولانی مدت و پیگیری هشت ساله بیماران قبلی میباشد.
روش بررسی: مطالعه کنونی در ادامه یک کوهورت آیندهنگر پایلوت است که به بررسی نتایج هشت ساله پیگیری کودکان با سنکوپ رفلکسی که تحت درمانهای غیردارویی بهتنهایی یا همراه با دارو قرار گرفته بودند، میپردازد. لذا با بیمارانی که در مطالعه پایلوت شرکت داشتند (30 بیمار در گروه دریافتکنندگان دارو و 40 بیمار در گروه بدون دارو)، تماس گرفته شد. درنهایت برروی 26 بیمار در گروه دریافتکنندگان دارو و 31 بیمار در گروه بدون دریافت دارو (پس از اعمال معیارهای خروج از مطالعه) مقایسه میزان رخداد حملات سنکوپ و پرهسنکوپ با استفاده از Chi-square test انجام شد.
یافتهها: بررسی یافتهها نشان میدهند که پس از گذشت پنج سال از آخرین پیگیری، میزان حملات پرهسنکوپ در بیمارانی که رژیم غذایی و یا تمرینات تیلت را در منزل ادامه نداده بودند مجددا در هر دو گروه افزایش پیدا کرد اما میزان وقوع سنکوپ و پرهسنکوپ بین دو گروه بیماران (بدون دریافت دارو و دریافتکننده دارو) تفاوت معناداری نداشت.
نتیجهگیری: بهمنظور پیشگیری از عود، استفاده از روشهای غیردارویی موثر است ولی جهت پایداری این بهبودی، پیگیری و تداوم این روشها ضروری میباشد.
مهدیه جمشیدی، وحید جمشیدی،
دوره 81، شماره 4 - ( 4-1402 )
چکیده
زمینه و هدف: با توجه به اینکه عوامل مختلفی در پیدایش بیماریهای مزمن کلیوی دخالت دارند این بیماری با علایم مختلف بالینی و آزمایشگاهی ظاهر میشود. این تنوع در تعداد و نوع علایم بالینی، پزشک معالج را در بسیاری از موارد گمراه میسازد. پژوهش حاضر با هدف استخراج ویژگیهای کلیدی بیماری و یافتن بهترین روشهای دادهکاوی که باعث بهبود صحت تشخیص و پیشبینی بیماری کلیوی میشود، صورت گرفته است.
روش بررسی: در این مطالعه، اطلاعات و علایم بالینی مربوط به بیماران مبتلا به بیماری کلیوی، از بیمارستان علیبنابیطالب رفسنجان از شهریور 1399 تا اسفند 1401 بهمدت 30 ماه گردآوری شدند. مدلهای پیشبینی با استفاده از ترکیبهای مختلف از ویژگیهای بیماری و هفت روش دادهکاوی، در نرمافزار RapidMiner studio ایجاد شده و مورد آزمایش قرار گرفتند.
یافتهها: نتایج آزمایشهای این مطالعه نشان میدهد که مدل پیشبینی ارایه شده با استفاده از روش بیز و هشت ویژگی کلیدی شناسایی شده (سن، بیوپسی کلیه، اورمی، سدیمانتاسیون، آلبومینوری، ورم، شب ادراری و وزن مخصوص ادرار)، میتواند ابتلا به بیماری کلیوی را در افراد با ویژگیهای بالینی مختلف با دقت 38/99% تشخیص دهد.
نتیجهگیری: با توجه به اینکه تشخیص زودهنگام بیماری کلیوی و اتخاذ روش درمان مناسب، میتواند از پیشروی آسیب کلیوی جلوگیری کند، از اینرو در این مطالعه سعی شده است با بکارگیری شیوههای نوین آماری و تکنیکهای هوش مصنوعی در تحقق این هدف گام برداشت. براساس روش پیشنهادی و آزمایشات انجام شده، مهمترین ویژگیها و بهترین روش دادهکاوی بهدست آمد و در نهایت پیشبینی بیماری کلیوی با دقت بالا میسر گردید.
معصومه عسگر شیرازی، زهرا امیدی، حسین دلیلی، مامک شریعت، سیدرضا رئیسکرمی، زینب کاویانی، مجتبی فاضل،
دوره 82، شماره 3 - ( 3-1403 )
چکیده
زمینه و هدف: کمبود ویتامین D در بین زنان باردار بسیار شایع است و در دوران بارداری میتواند منجر به عوارض مادری و جنینی شود. این مطالعه با هدف بررسی ارتباط بین سطح سرمی ویتامین D مادر با شاخصهای انتروپومتریک نوزاد و تکامل مغزی-عصبی انجام شد.
روش بررسی: این مطالعه بهصورت آیندهنگر بر روی زنان باردار مراجعهکننده به بیمارستان امام خمینی (ره) شهر تهران از مهر تا پایان اسفند 1399 انجام شد. اطلاعات جمعیت شناختی و خصوصیات انتروپومتریک بدو تولد نوزاد با استفاده از پرونده پزشکی جمعآوری شد و سطح سرمی ویتامین D مادر با خونگیری در زمان زایمان بررسی شد. تکامل مغزی-عصبی در شش ماهگی با ابزار ASQ ارزیابی شد. متغیرهای جمعیت شناختی مادران و نوزادان با آمارههای توصیفی و ارتباط بین سطح ویتامین D مادر با شاخصهای انتروپومتریک و حیطههای تکامل مغزی-عصبی نوزاد به ترتیب با آزمون همبستگی اسپیرمن و من-ویتنی بررسی شدند.
یافتهها: بهطور کلی 123 مادر باردار بررسی شدند. میانگین سن مادران 41/31 سال و میانگین قد، وزن و دور سر نوزاد به ترتیب 32/34 سانتیمتر، 33/3208 گرم و 33/50 سانتیمتر بودند. بین ویتامین D مادر با شاخصهای انتروپومتریک نوزاد و حیطههای تکامل مغزی-عصبی ارتباط معنادار آماری مشاهده نشد (05/0>P).
نتیجهگیری: اگرچه ارتباط مثبتی بین سطح سرمی ویتامین D مادر با شاخصهای انتروپومتریک و حیطههای تکامل مغزی-عصبی نوزادان در شش ماهگی یافت نشد. اما با در نظر گرفتن محدودیتهای این مطالعه توصیه میشود نتایج با احتیاط تفسیر شود و انجام مطالعات کوهورت آیندهنگر با حجم نمونه بالا در جمعیتهای مختلف از سراسر کشور توصیه میشود.
مهدیه سلطانی، سیده زهره سیدصالحی، ریحانه مهدوی،
دوره 82، شماره 9 - ( 9-1403 )
چکیده
با گسترش هوشمصنوعی، از انواع شبکههای عصبی مصنوعی بهعنوان ابزاری برای ایجاد قدرت تحلیل در سیستمهایکامپیوتری استفاده شد. مطالعاتی که با این هدف در حوزه دهان و دندان انجام شدهاند، عموما با تجزیهوتحلیل دادههای حجیم سروکار دارند. در این مطالعه روشهای مورد استفاده در تحلیل هوشمند و خودکار دادههای دندانپزشکی، موردبررسی قرارگرفتهاست. مطالعات بررسی شده به صورت مشترک از تصاویر رادیوگرافی سراسرنما (Ortho Pantoma Gram, OPG) استفاده و با سه هدف کلی تشخیص دندان (تفکیک هر دندان از دندانهای قبل و بعد)، بخشبندی نمونهای (تجزیه اطلاعات بصری تصویر بهصورت قطعه قطعه) و بخشبندی معنایی (تحلیل و فهم اطلاعات استخراجشده از تصویر) انجام شدهاند. برای حصول این موارد، وابسته به هدف پژوهش از مدلهای مختلف شبکههای عصبی مصنوعی استفاده شده است. در این مطالعه، به مقایسه عملکرد شبکههای عصبی مصنوعیِ به کار گرفته شده، پرداخته شده است. بهطورکلی تصاویر ورودی، ابتدا جهت آمادهسازی دادگان برای خوانش توسط سیستم، پیشپردازش و سپس به شبکه عصبی تعلیم داده شدهاند. در برخی موارد خروجی شبکه عصبی، به جهت بهبود نتایج، مجدد وارد چرخه پردازششدهاست. در مقالات موردبررسی بهمنظور تحلیل دادههای دندانپزشکی، بهطورکلی دو رویکرد دنبال شدهاست. در رویکرد حل مسئله به روش هوشمند، بیشتر از شبکههای عصبی پیچشی و در رویکرد خودکار، از روشهای کلاسیک و بدون یادگیری استفاده شده است، در مطالعاتی که بر مبنای شبکههای عصبی مصنوعی انجام شده است سیستم با درک تصویر، بخشبندی، استخراج ویژگی، طبقهبندی ویژگیها و مدلسازی شبکه و تنظیم متغیرهای آن، به یادگیری آنچه در هدف مطالعه تعیین شده پرداخته است.
