2 نتیجه برای تصویربرداری تشدید مغناطیسی.
نگار عبدی، ایرج عابدی، مظفر ناصرپور، مسعود ربانی،
دوره 79، شماره 6 - ( 6-1400 )
چکیده
زمینه و هدف: سرطان پروستات شایعترین بدخیمی در مردان و دومین علت مرگ‌ومیر در تمام کشورهای دنیا می‌باشد. مکانیسم دقیق سرطانی شدن پروستات مشخص نیست. از طرف دیگر تشخیص زودهنگام سرطان پروستات می‌تواند منجر به درمان کامل شود. چندین آزمایش کلینیکی شامل معاینه انگشتی رکتوم (DRE)، بیوشیمیایی مثل آنزیم ویژه پروستات (PSA) و پاتولوژیک مثل بیوپسی با هدایت اولتراسوند (TRUS) برای بررسی اندازه و گسترش سرطان پروستات استفاده می‌شود. در این مطالعه ارتباط بین مقدار میانگین سرم PSA و شاخص گلیسون به‌عنوان روش استاندارد در بیماران مبتلا به سرطان پروستات در مقایسه با پارامترهای استخراج شده از DCE-MRI ارزیابی گردید.
روش بررسی: این مطالعه بنیادی کاربردی بر روی 90 بیمار مبتلا به سرطان پروستات که براساس معیارهای Mc Donald از اسفند 1398 تا مهر 1399 به مرکز تصویربرداری شفای اصفهان ارجاع شده بودند، انجام شد. نواحی مشکوک به کانون سرطان توسط پزشک متخصص رادیولوژی مشخص و شاخص‌های تصاویر داینامیک شامل Ktrans و Kep تعیین شد. نرم‌افزارهای تجاری موجود داده‌های DCE-MRI را گرفته و نقشه‌های پارامتریک مثل نقشه‌های Ktrans و Kep را ایجاد می‌کنند که می‌توان برای اهداف تشخیص استفاده نمود.
یافته‌ها: نقشه‌های Kep و Ktrans تفاوت معناداری میان بافت سالم و سرطانی نشان دادند. Kep و Ktrans در سرطان پروستات به‌طور قابل‌توجهی بالاتر از بافت سالم بود (05/0P<). به‌منظور بررسی ارتباط پارامترهای DCE-MRI و یافته‌های هیستوپاتولوژیک از ضریب همبستگی پیرسون استفاده شد. همچنین هیچ ارتباط معناداری بین شاخص گلیسون و پارامترهای DCE-MRI مشاهده نشد.
نتیجه‌گیری: پارامترهای DCE-MRI به‌طور قابل‌توجهی تشخیص دقیق سرطان پروستات را بهبود بخشیده و به‌عنوان روشی موثر برای تشخیص، مدیریت و ارزیابی مردان مبتلا به سرطان پروستات مفید است اما نباید به‌عنوان جایگزینی برای نمونه‌برداری از بافت در نظر گرفته شود.
زهرا پاپی، ایرج عابدی، فاطمه دالوند، علیرضا عموحیدری،
دوره 80، شماره 4 - ( 4-1401 )
چکیده
زمینه و هدف: گلیوما (Glioma) متداول‌ترین تومور مغزی اولیه بوده و تشخیص به موقع تومور در برنامه‌ریزی درمان بیماران حایز اهمیت است. قطعه‌بندی دقیق تومور و نواحی داخلی آن در تصاویر تشدید مغناطیسی (Magnetic resonance imaging) توسط رادیولوژیست به‌عنوان گام اول در تشخیص می‌باشد که افزون‌بر زمان‌بر بودن ممکن است توسط پزشکان مختلف تشخیص‌های متفاوتی داده شود. هدف از انجام مطالعه حاضر ارایه روشی خودکار در قطعه‌بندی تومور و نواحی داخلی آن می‌باشد.
روش بررسی: این یک مطالعه بنیادی-کاربردی است که از اردیبهشت 1399 تا شهریور 1400 و بر روی تصاویر مولتی مدالیتی MRI ۲۸۵ بیمار مبتلا به تومور گلیوما از پایگاه داده BraTS 2018 انجام گرفت. در این مطالعه، معماری U-Net دو بعدی با روش مبتنی بر تکه (Patch-based)، شامل یک مسیر رمزگذاری جهت استخراج ویژگی‌ها و یک مسیر رمزگشایی متقارن طراحی گردید. آموزش این شبکه در سه مرحله مجزا با استفاده از داده‌های گلیوما درجه بالا (High grade glioma)، گلیوما درجه پایین (Low grade glioma) و ترکیب دو گروه به‌ترتیب با تعداد 210، 75 و 220 بیمار انجام شد.
یافته‌ها: مدل پیشنهادی نتایج ضریب دایس در مجموعه داده‌های HGG، 85/0، 85/0، 77/0، مجموعه داده‌های LGG، 80/0، 66/0، 51/0 و ترکیب دو گروه، 88/0، 79/0، 77/0 به‌ترتیب برای نواحی کل تومور، هسته تومور و ناحیه افزایش‌یافته در داده‌های آموزش برآورد نمود.
نتیجه‌گیری: با استفاده از شبکه U-Net می‌توان در قطعه‌بندی دقیق تومور و نواحی مختلف آن کمک شایانی به پزشکان انجام داد، همچنین با تشخیص دقیق و درمان زودهنگام نرخ بقای این بیماران را افزایش داد و کیفیت زندگی آنها را بهبود بخشید.
