other افتراق نواحی تومور و تورم پیرامون تومور با استفاده از روش‌های محاسباتی ارزیابی ناهمگونی در تصاویر دیفیوژن در تومورهای گلیوبلاستومای مغزی مقاله اصیل Original Article <div style="text-align: justify;"><span style="font-family:yekanyw;"><strong><span style="font-size:10.0pt;">زمینه و هدف:</span></strong> <span style="color:black;"><span style="font-size:10.0pt;">افتراق و ارزیابی نواحی توموری و تورم پیرامون تومور در تومورهای گلیوبلاستومای مغزی به‌علت ناهمگونی ذاتی در توزیع سلولی نواحی مختلف این تومورها در تصاویر دیفیوژن وزنی بسیار پیچیده است.</span></span> <span style="color:black;"><span style="font-size:10.0pt;">هدف از انجام مطالعه کنونی، افتراق نواحی تومور و تورم پیرامون تومور با استفاده از روش‌های محاسباتی ارزیابی ناهمگونی در تصاویر دیفیوژن بود.</span></span><span style="font-size:10.0pt;"></span><br> <strong><span style="font-size:10.0pt;">روش بررسی: </span></strong><span style="font-size:10.0pt;">در این مطالعه گذشته‌نگر، تصویربرداری در مرکز تصویربرداری بیمارستان امام‌خمینی (ره) تهران و تحلیل از اردیبهشت تا شهریور ۱۳۹۶ در مرکز تحقیقات تصویربرداری سلولی و مولکولی دانشگاه علوم پزشکی تهران به انجام رسید. نواحی توموری و تورم پیرامون تومور در تصاویر دیفیوژن ۲۰ بیمار مبتلا به گلیوبلاستوما مالتی‌فرم مغزی که با استفاده از اسکنر ۳ تسلا ام‌آر‌آی تحت تصویربرداری متداول و دیفیوژن وزنی قرار گرفته بودند، توسط پزشک متخصص بخش‌بندی شدند و ویژگی‌های توصیف‌کننده شکل هیستوگرام برای هر دو ناحیه استخراج شدند و ترکیب آن‌ها مورد ارزیابی قرار گرفت.</span><span style="font-size:10.0pt;"></span><br> <strong><span style="font-size:10.0pt;">یافته‌ها:</span></strong> <span style="font-size:10.0pt;">ترکیب هشت ویژگی از مجموع ۱۴ ویژگی هیستوگرام شامل میانه، میانگین نرمالیزه شده، انحراف‌معیار استاندارد، چولگی </span><span dir="LTR"><span style="font-size:8.0pt;">(Skewness)</span></span><span style="font-size:10.0pt;">، انرژی، صدک‌های ۲۵، ۷۵ و ۹۵، می‌تواند منجر به افتراق با دقت ۹۶/۴% و عملکرد تشخیصی حدود ۱۰۰% شود. با استفاده از ترکیب ویژگی‌های میانه، چولگی، صدک ۷۵ نیز می‌توان به دقت افتراقی ۹۲/۷% و عملکرد تشخیصی ۹۸/۹% دست یافت.</span><span style="font-size:10.0pt;"></span><br> <strong><span style="font-size:10.0pt;">نتیجه‌گیری: </span></strong><span style="font-size:10.0pt;">نتایج حاصل از این پژوهش کنونی نشان می‌دهد که نحوه پخش مکانی سلول‌ها در نواحی تومور فعال و تورم پیرامون تومور با یکدیگر متفاوت است و بدین‌ترتیب می‌توان با ارزیابی مشخصات بافت توسط تحلیل هیستوگرام، این نواحی را با دقت بالا از یکدیگر تفکیک کرد.</span><span style="font-size:10.0pt;"></span></span></div> <div style="text-align: justify;"><strong>Background</strong>: Due to intrinsic heterogeneity of cellular distribution and density within diffusion weighted images (DWI) of glioblastoma multiform (GBM) tumors, differentiation of active tumor and peri-tumoral edema regions within these tumors is challenging. The aim of this paper was to take advantage of the differences among heterogeneity of active tumor and edematous regions within the glioblastoma multiform tumors in order to discriminate these regions from each other.<br> <strong>Methods</strong>: The dataset of this retrospective study was selected from a database which was collected at the medical imaging center, Imam Khomeini Hospital, Tehran University of Medical Sciences, Iran. The quantification was performed as a part of a research study being supported by the Research Center for Molecular and Cellular Imaging, Tehran University of Medical Sciences, Iran, between May and September 2017. Twenty patients with histopathologically-confirmed GBM tumors who had been imaged on a 3T MRI scanner prior to their surgery, were included. Conventional and diffusion weighted MR images had been carried out on the patients. The regions of interest including the regions of active tumor and edema were identified on MR images by an expert and overlaid on ADC-maps of the same patients. Histogram analysis was performed on each of these regions and 14 characteristic features were calculated and the best feature combination for discrimination of active tumor from edema was obtained.<br> <strong>Results</strong>: It was shown that by combining 8 out of 14 histogram features, including median, normalized mean, standard deviation, skewness, energy, 25th, 75th, and 95th percentiles, differentiation with accuracy of 96.4% and diagnostic performance of 100% can be achieved. Furthermore, by combining mean, energy, and 75th percentile features of histograms, the active tumor region can be discriminated from the edematous region by 92.7% of accuracy and 98.9% of diagnostic performance.<br> <strong>Conclusion</strong>: The present study confirms that the heterogeneity of cellular distribution can be a predictive biomarker for differentiation of edematous regions from active tumor part of GBM tumors.</div> تصویربرداری تشدید مغناطیسی دیفیوژن, تورم, گلیوبلاستوما, تصویربرداری تشدید مغناطیسی, تومور diffusion magnetic resonance imaging, edema, glioblastoma, magnetic resonance im-aging, tumor 178 184 http://tumj.tums.ac.ir/browse.php?a_code=A-10-3666-47&slc_lang=other&sid=1 Hamidreza Saligheh Rad حمیدرضا سلیقه راد h-salighehrad@tums.ac.ir Yes Department of Medical Physics and Biomedical Engineering, Tehran University of Medical Sciences, Tehran, Iran. Quantita-tive MR Imaging and Spectros-copy Group, Research Center for Molecular and Cellular Imaging, Tehran University of Medical Sciences, Tehran, Iran. گروه فیزیک و مهندسی پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران. گروه کمی‌سازی تصویربرداری و طیف‌نگاری تشدید مغناطیسی، مرکز تحقیقات تصویربرداری سلولی و مولکولی، دانشگاه علوم پزشکی تهران، تهران، ایران. Anahita Fathi Kazerooni آناهیتا فتحی کازرونی No Department of Medical Physics and Biomedical Engineering, Tehran University of Medical Sciences, Tehran, Iran. Quantita-tive MR Imaging and Spectros-copy Group, Research Center for Molecular and Cellular Imaging, Tehran University of Medical Sciences, Tehran, Iran. گروه فیزیک و مهندسی پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران. گروه کمی‌سازی تصویربرداری و طیف‌نگاری تشدید مغناطیسی، مرکز تحقیقات تصویربرداری سلولی و مولکولی، دانشگاه علوم پزشکی تهران، تهران، ایران. Mahnaz Nabil مهناز نبیل No Department of Statistics, School of Mathematical Sciences, Uni-versity of Guilan, Rasht, Iran. گروه آمار، دانشکده علوم ریاضی، دانشگاه گیلان، رشت، ایران. Mohammadreza Alviri محمدرضا الویری No Quantitative MR Imaging and Spectroscopy Group, Research Center for Molecular and Cellu-lar Imaging, Tehran University of Medical Sciences, Tehran, Iran. گروه کمی‌سازی تصویربرداری و طیف‌نگاری تشدید مغناطیسی، مرکز تحقیقات تصویربرداری سلولی و مولکولی، دانشگاه علوم پزشکی تهران، تهران، ایران. Mehrdad Hadavand مهرداد هداوند No Quantitative MR Imaging and Spectroscopy Group, Research Center for Molecular and Cellu-lar Imaging, Tehran University of Medical Sciences, Tehran, Iran. گروه کمی‌سازی تصویربرداری و طیف‌نگاری تشدید مغناطیسی، مرکز تحقیقات تصویربرداری سلولی و مولکولی، دانشگاه علوم پزشکی تهران، تهران، ایران. Meysam Mohseni میثم محسنی No Department of Neurosurgery, Imam Khomeini Hospital, Tehran University of Medical Sciences, Tehran, Iran. گروه مغز و اعصاب، بیمارستان امام‌خمینی (ره)، دانشگاه علوم پزشکی تهران، تهران، ایران.