3 نتیجه برای اولتراسوند.
امیرحسین جلالزاده، احمد شالباف، آرش مقصودی،
دوره 78، شماره 10 - ( 10-1399 )
چکیده
زمینه و هدف: جراحی و برداشت دقیق تومور مغز در اتاق عمل و پس از باز کردن کاسه سر، بهعلت برداشته شدن فشار جمجمه و جابجایی و تغییر شکل بافت مغز یکی از چالشهای اصلی جراحان مغز و اعصاب میباشد.
روش بررسی: این مطالعه تحلیلی که از فروردین تا دی ۱۳۹8 در تهران انجام شده است، بر روی یک دیتابیس شامل تصاویر MR پیش از عمل و تصویر اولتراسوند پس از برداشتن کاسه سر ۲2 بیمار دارای تومور گلیوما درجه پایین در بیمارستان دانشگاه سنت اولوو انجام شده است. برای جبران تغییرات مغز از روش تطبیق تصاویر MR پیش از عمل و تصویر اولتراسوند استفاده کرده و تصویر سومی بهدست آورده که شبیه به تصویر MR پیش از عمل است ولی هندسه تغییرات شکل مغز از تصاویر اولتراسوند پس از برداشتن تومور را دارد. برای جابجایی پیکسلها، از ترکیب دو مدل افاین (Affine) برای جبران تغییرات سراسری و افزایش سرعت و مدل غیرصلب Free form deformation (FFD) برای تغییرات محلی و کوچک غیرخطی بهصورت سلسله مراتبی بهره بردیم. همچنین از روش اطلاعات متقابل بهعنوان معیار شباهت استفاده کردیم.
یافتهها: نتایج روش پیشنهادی بر روی تصاویر ۲2 بیمار دارای تومور گلیوما نوع ۲ ارایه شده و علاوه بر بررسی خطای نشانگرها (15 نشانگر برای هر بیمار)، براساس معیار شباهت اطلاعات متقابل نیز مورد ارزیابی قرار گرفت که نشان داد روش پیشنهادی با استفاده از ترکیب دو مدل افاین و FFD دقت بالایی را در مقایسه با استفاده جداگانه از هر کدام از این دو مدل بهدست آورد.
نتیجهگیری: روش پیشنهادی در تطبیق تصاویر MR پیش از عمل و تصویر اولتراسوند پس از برداشتن کاسه سر موجب کاهش میزان خطای نشانگرهای تهیه شده توسط مختصص میشود.
امیر رضا نادری یاقوتی، احمد شالباف، آرش مقصودی،
دوره 79، شماره 1 - ( 1-1400 )
چکیده
زمینه و هدف: تشخیص دقیق و بههنگام بیماری کبدچرب غیرالکلی که عامل اصلی بیماریهای مزمن کبد است، بسیار مهم میباشد. سونوگرافی از کبد متداولترین روش تشخیص میزان کبدچرب میباشد. اما به دلیل کیفیت پایین تصاویر اولتراسوند، نیاز به روشهای هوش مصنوعی برای تشخیص دقیق میزان چربی کبدی، ضروری میباشد. هدف این مقاله توسعه یک مدل یادگیری ماشین برای ارزیابی سطح چربی کبد براساس تصاویر التراسوند کبد میباشد.
روش بررسی: در این مطالعه تحلیلی که از اردیبهشت 1399 تا آذر 1399 در تهران به طول انجامیده است، از تصاویر اولتراسوند 55 فرد مبتلا به چاقی مفرط که قصد جراحی لاپاروسکوپی داشتهاند، استفاده شده و از نتیجه بافتشناسی نمونه برداشتی از کبد در آزمایشگاه بهعنوان مرجع میزان چربی کبد استفاده شده است. ابتدا 88 ویژگی مبتنیبر بافت با استفاده از ماتریس همرخداد سطح خاکستری از تصاویر استخراج شده است. در مرحلهی بعد با استفاده از روش حداقل افزونگی و حداکثر ارتباط 20 ویژگی برتر از میان 88 ویژگی انتخاب شده و به ورودی طبقه بند اعمال شده است. در انتها با استفاده از سه طبقهبند آنالیز افتراقی خطی، ماشین بردار پشتیبان و آدابوست، تصاویر به چهار گروه براساس میزان چربی طبقهبندی شدهاند.
یافتهها: صحت بهدست آمده در این مدل، برای طبقهبند آدابوست برابر با 72/92% شد. درحالیکه صحت بهدست آمده برای هر دو طبقهبند ماشین بردار پشتیبان و آنالیز افتراقی خطی بهترتیب برابر با 88/87% و 76/75% شدهاست.
نتیجهگیری: رویکرد پیشنهادی مبتنیبر ویژگیهای بافت با استفاده از طبقهبند آدابوست از روی تصاویر التراسوند، میزان چربی کبد را با دقت بالا و بهصورت اتوماتیک تشخیص میدهد و میتواند در تشخیص نهایی به پزشکان و رادیولوژیستها کمک شایانی کند.
یونس سلیمانی، امیررضا جهانشاهی، حامد رضاییجم، داود خضرلو،
دوره 80، شماره 12 - ( 12-1401 )
چکیده
زمینه و هدف: رادیومیکس پتانسیل بالایی در زمینه تشخیص و پیشآگهی ضایعات کبدی در تصاویر اولتراسوند نشان داده است. علیرغم این، تغییرات پارامترهای تصویربرداری بر تکرارپذیری نتایج رادیومیکس اولتراسوند تأثیر میگذارد. هدف از مطالعه حاضر بررسی تکرارپذیری فیچرهای رادیومیکس استخراج شده از تصاویر بیماران مبتلا به کارسینوم سلولهای کبدی تحت تغییرات پارامترهای اسکن اولتراسوند میباشد.
روش بررسی: مطالعه از نوع مقطعی بود که از مرداد 1399 تا مرداد 1400 در گروه رادیولوژی دانشکده پیراپزشکی تبریز انجام شد. تصاویر مربوط به 20 بیمار مبتلا به کارسینوم سلولهای کبدی از پایگاه Cancer imaging archive بهدست آمدند. این تصاویر تحت پارامترهای تصویربرداری مختلف اخذ شده بودند. مناطق ضایعه به شکل دستی ترسیم شدند. فیچرهای رادیومیکس شامل 24 فیچر GLCM و 16 فیچر GLRLM از تصاویر استخراج شدند. با استفاده از آزمونهای آماری CV% و ICC تکرارپذیری فیچرهای رادیومیکس مورد بررسی قرار گرفت. مقادیر 90/0ICC≥ و 20%CV< در این مطالعه بهعنوان سطح تکرارپذیری در نظر گرفته شدند.
یافتهها: هشت مورد از فیچرها تکرارپذیری بالایی را در هردو آزمون CV% و ICC از خود نشان دادند. این فیچرها Joint entropy، Idmn، Imc2 ، Correlation ، MCC ، Sum entropy ، Gray level non uniformity normalized و Run entropy بودند. میانگین مقادیر ICC این فیچرها برابر با 977/0 بهدست آمد.
نتیجهگیری: تغییرات پارامترهای تصویربرداری مستقیما بر تکرارپذیری نتایج رادیومیکس اولتراسوند تأثیر میگذارد. برخی از فیچرهای رادیومیکس تحت تغییرات شرایط تصویربرداری، همچنان پایداری و تکرارپذیری بالایی از خود نشان میدهند.
