انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-200814420210120Brain Tumor Detection using Fusion of MRI and CT Scan Images based on Deep Learning Feature Extraction Methodsتشخیص تومور مغزی با استفاده از تلفیق تصویرهای امآرآی و سیتیاسکن بر اساس روشهای یادگیری عمیق2672764609310.22041/ijbme.2020.123852.1583FAدرسا جعفرخواه صیقلانیکارشناسی ارشد، مخابرات سیستم، دانشکدهی مهندسی برق و کامپیوتر، دانشگاه شیراز، شیراز، ایرانمهران یزدیدانشیار، بخش مهندسی مخابرات و الکترونیک، دانشکدهی مهندسی برق و کامپیوتر، دانشگاه شیراز، شیراز، ایرانمحمد فقیهیدانشجوی دکتری، آزمایشگاه پردازش سیگنال و تصویر، بخش مهندسی مخابرات و الکترونیک، دانشکدهی مهندسی برق و کامپیوتر، دانشگاه شیراز، شیراز، ایران0000-0003-3918-2545Journal Article20200401Cancer is one of the most common diseases at the present time. Among different types of this disease, brain cancer has a high fatality rate and accurate and timely diagnosis of it, can have a major impact on the patient’s life. Doctors need MRI and CT scan of brain to diagnose this condition. A precise image processing technique can help the medical specialists and speed up the diagnosis process. Many methods have been proposed to recognize brain tumors in medical images; however their accuracies were not acceptable. In fact, low accuracy is a result of the similarities between brain and tumor tissue. In this paper we propose a tumor recognition method using fusion of MRI and CT Scan images. This method exploits a deep learning based feature extraction algorithm that helps to distinguish tumors from brain tissue. Tumor recognition and accuracy calculation is performed for three common types of brain tumors (glioma, meningioma, and pituitary tumor). Our results show a great improvement of performance in comparison to related works. امروزه سرطان یکی از شایعترین بیماریها بوده و سرطان مغز یکی از مهلکترین و مرگآورترین انواع سرطان است که تشخیص درست و به موقع آن تاثیر مهمی در زندگی بیمار دارد. پزشکان برای تشخیص این بیماری به تصویرهای امآرآی و سیتیاسکن مغز نیاز دارند. تا کنون روشهای مختلفی برای تشخیص تومور مغزی با استفاده از تصاویر پزشکی ارائه شده است اما این روشها به دلیل شباهت زیاد بافت تومور و سایر بافتهای مغز از دقت مناسبی برخوردار نیستند. در این مقاله روشی با استفاده از تلفیق تصاویر امآرآی و سیتیاسکن برای تشخیص سه نوع شایع از تومورهای مغزی (گلیوما، منژیوما و تومور هیپوفیز) پیشنهاد شده است. در این روش از ساختاری بر مبنای یادگیری عمیق استفاده شده تا ویژگیهای متمایزکنندهی بافت مغز و تومور استخراج شود. تصویر تلفیقی به دست آمده دقت تشخیص نوع تومور را افزایش داده و نتایج به دست آمده با استفاده از روش پیشنهادی برتری این روش را نسبت به سایر روشها نشان میدهد.انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-200814420210120Modeling, Design, and Manufacture of Tendon-based Exoskeleton for Finger Rehabilitationمدلسازی، طراحی و ساخت برونپوش مبتنی بر تاندون جهت توانبخشی انگشتان دست27729023965010.22041/ijbme.2020.129143.1601FAالهه کفاشیدانشجوی کارشناسی ارشد، گروه مکاترونیک، دانشکدهی مهندسی مکانیک، دانشگاه صنعتی امیرکبیر، تهران، ایرانمحمدعلی احمدیپژوهاستادیار، گروه بیوالکتریک، دانشکدهی مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایران0000-0001-5872-2100فیروز بختیارینژاداستاد، دانشکدهی مهندسی مکانیک، دانشگاه مریلند، بالتیمور، ایالات متحدهی آمریکا / دانشگاه صنعتی امیرکبیر، تهران، ایرانJournal Article20200613Due to the high number of patients with cerebrovascular disease and stroke, which results in paralysis of organs on one side of the body, including the hand, as well as limitations in traditional rehabilitation methods, it is necessary to build devices to help these people. In this study, initially, given the challenges involved in designing an exoskeleton, the initial design was a mechanism for using it as a continuous passive motion to rehabilitate the fingers. This mechanism is tendon-based and covers both the flexion and extension of the fingers. For this purpose, two active and passive actuators have been used in the exoskeleton, respectively, to flex and extend the fingers. The distinctive feature of this design is its lightness, low volume, adjustability for different hands, compatibility, and comfort for the patient. Also, the kinematics and dynamics relationships modeled on the Lagrange method. The exoskeleton movement simulated in interaction with the finger with MATLAB sim-mechanics software. Finally, using simulation and modeling results, the final design was performed by considering the force of 40 N along the tendon, the exoskeleton made for the index finger. Also, the results of analytical modeling and simulation compared; the error rate of modeling obtained. In the worst case, this value was 15% for the first and second finger joints and 20% for the third joint.با توجه به آمار بالای مبتلایان به بیماریهای عروق مغزی و سکتهی مغزی که منجر به فلج شدن اندامهای یک سمت بدن از جمله دست شده و همچنین محدودیتهای روشهای سنتی توانبخشی، ساخت دستگاههایی برای کمک به این افراد ضروری میباشد. در این پژوهش در ابتدا با توجه به چالشهای موجود در طراحی یک برونپوش دست، طراحی اولیهی یک مکانیسم برای استفاده به صورت حرکت غیرفعال پیوسته برای توانبخشی انگشتان دست انجام شده است. این مکانیسم مبتنی بر تاندون بوده و هر دو حرکت باز و بسته شدن انگشتان را پوشش میدهد. به این منظور در برونپوش از دو عملگر فعال و غیرفعال به ترتیب جهت بستن و باز کردن انگشتان دست استفاده شده است. ویژگی بارز این طراحی، سبک و کمحجم بودن آن، قابلیت تنظیم برای دستهای متفاوت و سازگاری و راحتی آن برای بیمار میباشد. همچنین روابط سینماتیکی و دینامیکی برونپوش برای انگشتان دست به غیر از انگشت شست به روش لاگرانژ مدلسازی شده است. حرکت برونپوش در تعامل با انگشت به کمک نرمافزار سیممکانیک متلب شبیهسازی شده است. در نهایت با استفاده از نتایج شبیهسازی و مدلسازی، طراحی نهایی با در نظر گرفتن نیروی 40 نیوتن در طول تاندون انجام شده و برونپوش برای انگشت اشاره ساخته شده است. همچنین نتایج حاصل از مدلسازی تحلیلی و شبیهسازی مورد مقایسه قرار گرفته و میزان خطای مدلسازی برای تغییر زوایای مفاصل به دست آمده است. این مقدار در بیشترین حالت برای مفصل اول و دوم انگشت برابر با 15% و برای مفصل سوم برابر با 20% محاسبه شده است.انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-200814420210120Statistical Shape Modeling and Segmentation of the Left Ventricle Endocardium from CMR Images based on Different Anatomical Landmark Alignmentsمدلسازی شکل آماری و بخشبندی اندوکاردیوم بطن چپ در تصاویر تشدید مغناطیسی قلب مبتنی بر انطباق نقاط آناتومیکی مختلف2913064631910.22041/ijbme.2020.130962.1607FAگلاره ولیزادهدانشجوی دکتری، گروه مهندسی پرتوپزشکی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایرانفرشید باباپور مفرداستادیار، گروه مهندسی پرتوپزشکی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران0000-0002-5892-7971احمد شالبافاستادیار، گروه مهندسی و فیزیک پزشکی، دانشکدهی پزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایرانJournal Article20200714Statistical Shape Modeling is widely used in many applications of cardiac images. Many efforts have been done to generate optimized Statistical Shape Models (SSMs). In this paper, we evaluated three different 3D endocardial models constructed using different alignment procedures. From 20 healthy CMR datasets, three different endocardial models are generated by varying the surface alignment methods means based on the Center of the Apex (CoA), the Center of Mass (CoM), and the Center of the Basal (CoB) of the endocardium. Then Principle Component Analysis (PCA) is applied to show the maximum variation of the SSMs. The constructed statistical models are compared by measuring the compactness, generalization ability, and specificity. Besides, the performance of each model in the 3D endocardial segmentation application using the Active Shape Model (ASM) technique is evaluated by the Hausdorff Distance (HD) criterion. The results indicate that the CoB-based model is less compact than the CoA-based model but more compact than the CoM-based model. Although for a constant number of modes the reconstruction error is approximately the same for all models, surface alignment based on CoB leads to generate a more specific model than the others. The resulted HDs show that the CoB alignment strategy produces the ASM which has the best performance in 3D endocardial segmentation among the other models. The computed results from the quantitative analysis demonstrate that varying alignment strategies affect the quality of the constructed SSM. It is obvious that the specificity and segmentation accuracy of the proposed CoB-based model outperforms the classical CoM-based approach.مدلسازی شکل آماری به طور گسترده در کاربردهای مربوط به تصاویر قلبی مورد استفاده قرار گرفته و مطالعات متعددی با هدف ساخت این مدلها به طور بهینه انجام شده است. در این مقاله به ارزیابی مدلهای سهبعدی مختلف از اندوکاردیوم که در نتیجهی به کارگیری استراتژیهای متفاوت همراستاسازی پوستهها به وجود آمده پرداخته شده است. با کمک 20 دادهی نرمال،<strong> </strong>سه مدل سهبعدی مختلف اندوکاردیوم در فاز انتهای سیستول از طریق روشهای همراستاسازی متفاوت با استفاده از نقاط مرکز راس (CoA)، مرکز جرم (CoM) و مرکز قاعدهی (CoB) اندوکاردیوم ساخته شده است. آنالیز مولفهی اصلی به منظور تشریح اختلافات آماری مدلها انجام شده و کارایی مدلها<strong> </strong>توسط معیارهای فشردگی، قابلیت تعمیم و اختصاصی بودن مورد ارزیابی قرار گرفته است. همچنین فاصلهی هاسدرف به عنوان شاخصی جهت بررسی عملکرد هر مدل در کاربرد بخشبندی از طریق تکینیک مدل شکل فعال مورد استفاده قرار گرفته است. نتایج به دست آمده بیانگر این است که مدل مبتنی بر CoB نسبت به مدل مبتنی بر CoA فشردگی کمتر و نسبت به مدل مبتنی بر CoM فشردگی بیشتری دارد. با این که در یک تعداد مد معین، خطای بازسازی نمونهها در هر سه مدل تقریبا یکسان بوده اما همراستاسازی بر مبنای CoB منجر به ساخت مدلی شده که منحصر به فردتر از دو مدل دیگر است. در نهایت مقایسهی نتایج هاسدرف نشان داده که بخشبندی اندوکاردیوم با استفاده از مدل مبتنی بر CoB دارای دقت بیشتری نسبت به دو مدل دیگر است. آنالیز کمی نتایج نشان داده که تغییر روش همراستاسازی در ساخت مدل شکل آماری موثر بوده به طوری که میزان شاخص اختصاصی بودن و دقت بخشبندی با استفاده از مدل ساخته شده بر مبنای CoB نسبت به روش مرسوم CoM کاملا بهبود یافته است.انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-200814420210120Blood Glucose Level Prediction for Type 1 Diabetes using Deep Learningپیشبینی میزان قند خون در بیماران مبتلا به دیابت نوع یک بر اساس یادگیری عمیق3073204674610.22041/ijbme.2020.134866.1617FAسیده صدف رضوی نژادکارشناسی ارشد، گروه مهندسی کامپیوتر، دانشکدهی مهندسی، دانشگاه گیلان، رشت، ایرانامیرمحمد فلاحکارشناسی، گروه مهندسی کامپیوتر ، دانشکدهی مهندسی، دانشگاه گیلان، رشت، ایرانسیدابوالقاسم میرروشندلدانشیار، گروه مهندسی کامپیوتر، دانشکدهی مهندسی، دانشگاه گیلان، رشت، ایران0000-0001-8853-9112Journal Article20200814Diabetes is a common disease all around the world. It is a difficult and incurable but controllable disease, so it is important to control and prevent its complications. Thus, low error and smart methods are used to predict blood glucose levels and prevent dangerous complications to control it effectively. In this regard, different methods were investigated. In this research, two models based on deep learning technique are used which produce efficient and optimal results. These models are composed of different combinations of long short-term memory and feed forward neural networks which predict the patient's future blood glucose levels with considerable accuracy and speed. To achieve more comprehensive model, 81,200 blood glucose data was evaluated through 203 patients. In addition, 27 effective features in patients' blood glucose levels are considered in this regard. Furthermore, cross-validation method which is suitable for time series was used for more accurate evaluation. The results showed that Autoregressive Integrated Moving Average model could not predict blood glucose levels considering this amount of data and system hardware limitations, while the models based on deep learning had good performance and good speed. Furthermore, the second proposed model for the prediction horizons of 5, 10, and 15 minutes outperformed the first one with 13.8%, 16%, and 18.9%, respectively. Therefore, the second proposed model can be more reliable for predicting blood glucose. So, it can be used in smart warning systems to prevent hypoglycemia, which is a dangerous and widespread problem of type 1 diabetes.دیابت یک بیماری شایع در سراسر جهان است. این بیماری، سخت، غیرقابل علاج و در عین حال قابل کنترل بوده و از این رو کنترل و پیشگیری از عوارض آن امری مهم است. به همین دلیل استفاده از روشهای هوشمند با خطای پایین برای پیشبینی میزان قند خون و از همه مهمتر جلوگیری از عوارض خطرناک آن یک مسالهی مهم در کنترل بهتر این بیماری است. با توجه به روشهای مختلف ارائه شده در این زمینه، در این مقاله نیز دو مدل با استفاده از رهیافت یادگیری عمیق ارائه شده که نتایج آن کارآمد و بهینه است. این دو مدل پیشنهادی از ترکیبهای متفاوتی از شبکههای عصبی حافظهی طولانی کوتاهمدت و پیشخور تشکیل شده و میزان قند خون آتی بیمار را با دقت و سرعت قابل توجهی پیشبینی میکنند. در این راستا از 81.200 دادهی میزان قند خون 203 بیمار به همراه 27 مشخصهی موثر بر میزان قند خون استفاده شده است. همچنین به منظور ارزیابی دقیق از روش اعتبارسنجی متقابل مناسب برای سری زمانی استفاده شده و نتایج حاصل از اجرای مدلها نشان داده که مدل میانگین متحرک خودهمبستهی یکپارچه با توجه به این حجم از داده و ضعف سختافزاری سیستم پیادهسازی شده قادر به پیشبینی میزان قند خون نبوده در حالی که کارایی و سرعت عملکرد مدلهای مبتنی بر یادگیری عمیق قابل قبول است. همچنین با توجه به نتایج به دست آمده مدل پیشنهادی دوم برای افقهای پیشبینی 5، 10 و 15 دقیقه به ترتیب 8/13%، 16% و 9/18% بهتر از مدل پیشنهادی اول عمل کرده و مدل قابل اعتمادتری برای پیشبینی میزان قند خون است. از این رو مدل پیشنهادی دوم میتواند در سیستمهای هوشمند هشداردهنده برای پیشگیری از وقوع هیپوگلیسمی که از عوارض خطرناک و شایع بیماری دیابت نوع یک است مورد استفاده قرار گیرد.انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-200814420210120Modeling Parkinsonian Gait and Investigating some Approaches to Increase the Gait Speedمدلسازی راه رفتن در بیماران پارکینسون و بررسی روشهای بالابردن سرعت حرکت32133124163010.22041/ijbme.2021.135873.1621FAسیده فاطمه قریشیانکارشناسی ارشد، گروه مهندسی پزشکی، دانشکدهی فنی مهندسی، دانشگاه شاهد، تهران، ایرانمحمد پویاندانشیار، گروه مهندسی پزشکی، دانشکدهی فنی مهندسی، دانشگاه شاهد، تهران، ایرانJournal Article20200904Parkinson's disease (PD) is a neurological disorder that mainly affects dopamine-producing neurons and motor system. The most obvious symptoms of PD are tremor, slow movement, stiffness and difficulty with walking. Walking in PD is slower than normal walking. In this paper, the gait in patients with PD is modeled by a mathematical and computational method. This model includes structures which are involved in PD, such as basal ganglia, thalamus, cortex, supplementary motor area (SMA), muscle and joint-load dynamics. The output of the model is walking speed in PD. The output value is 0.83 m/s, which is in the range reported by clinical results (0.18-1.21 m/s). Some methods which increase the gait speed in PD are investigated too. These methods include deep brain stimulation, drug prescription and strengthening the muscles. The results show that each of these methods will improve the gait speed, in fact, by using these methods, the value of output increases and approaches the walking speed range in healthy individuals (1.36-1.30 m/s). Moreover, the effect of rigidity on gait speed is studied; it has been observed that the stiffness and speed of the gait are inversely related. Finally a control method is offered which improve the gait speed by increasing the magnitude response of the closed-loop system.بیماری پارکینسون یک اختلال عصبی است که به طور عمده بر نورونهای تولید کنندهی دوپامین تاثیر گذاشته و موجب اختلال در سیستم حرکتی میشود. بارزترین علایم این بیماری شامل لرزش، حرکت آهسته، سفتی و دشواری در راه رفتن است. راه رفتن بیماران پارکینسون با کندی در حرکت همراه است. در این مقاله با استفاده از روشهای ریاضی و کامپیوتری، راه رفتن بیماران پارکینسون مدلسازی شده است. این مدل متشکل از ساختارهای درگیر در بیماری پارکینسون بوده که از مغز شروع شده و تا مفصل زانو ادامه دارد و شامل عقدههای قاعدهای، تالاموس، کورتکس، ناحیهی موتوری تکمیلی (SMA)، عضله و مفصل میباشد. خروجی مدل به صورت سرعت راه رفتن در بیماران پارکینسون بوده و برابر با 83/0 m/s به دست آمده است که در محدودهی گزارش شده توسط نتایج کلینیکی (18/0 – 21/1 m/s) قرار دارد. در این مطالعه روشهایی برای افزایش سرعت راه رفتن در بیماران پارکینسون مورد بررسی قرار گرفته که شامل تحریک عمقی مغز، استفاده از دارو و تقویت عضله است. نتایج نشان میدهد که هر یک از این روشها موجب بهبود سرعت راه رفتن شده است. در واقع با به کارگیری این روشها روی مدل، مقدار خروجی افزایش یافته و به محدودهی سرعت راه رفتن در افراد سالم (30/1 – 36/1 m/s) نزدیک شده است. همچنین اثر سفتی روی سرعت راه رفتن مورد مطالعه قرار گرفته و مشاهده شده است که سفتی عضلانی با سرعت رابطهی عکس دارد. در پایان نیز یک روش کنترلی برای بهبود سرعت پیشنهاد شده که با افزایش پاسخ سیستم حلقه بسته موجب افزایش سرعت راه رفتن شده است.انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-200814420210120Drift-Diffusion Model for One-Choice Motor-Cognitive Dual-Taskمدل رانش-انتشار برای دو وظیفهی توام حرکتی-شناختی تکانتخابی33334424211210.22041/ijbme.2021.521212.1653FAمریم صادقی تالارپشتیدانشجوی دکترا، گروه بیوالکتریک، دانشکدهی مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایرانمحمدعلی احمدی پژوهاستادیار، گروه بیوالکتریک، دانشکدهی مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایران0000-0001-5872-2100فرزاد توحیدخواهاستاد، گروه بیوالکتریک، دانشکدهی مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، تهران، ایرانJournal Article20201216Human being is capable of performing more than one task simultaneously. This ability has been investigated in many researches. Performing more than one task at the same time has always been a challenging topic in psychology and human perception fields. The output and the effect of two tasks have been studied in previous researches for understanding the brain’s performance and also the disease origin and the symptoms. The influence of different difficulty levels has been explored via discrete-continuous motor-cognitive dual-task (DT). To this aim, a manual tracking task combined with discrete auditory stimuli to establish DT procedure. Twenty-five participants in this paradigm were asked to track the target on screen while reacting to the auditory task at the same time. Two levels of difficulty in manual tracking plus a single auditory task (ST) were considered for the experiment. The variability of output via different difficulties was investigated by analyzing factors of error rate and the response time (RT). For this analysis, a Drift Diffusion Model (DDM) method was used. In this 4-parameter model, the drift parameter is assumed to show the difficulty levels. The results show that by applying different drift rates (the average of 0.5, 0.3, and 0.2), the model is consistent with experimental output RT and the drift factor has the potential to be considered as the difficulty factor in the DT procedure.توانایی انسان برای انجام چند وظیفهی همزمان در مطالعات بسیاری مورد بررسی قرار گرفته و انجام دو وظیفهی توام همواره یکی از مهمترین مسایل شناختی و روانشناختی بوده است. نحوهی اجرا و تاثیر دو وظیفهی توام روی یکدیگر به منظور شناخت کارکرد مغز و تاثیر آن روی خروجی رفتاری در بیماریهای مختلف مورد مطالعه قرار گرفته است. در این مقاله تاثیر سختی بر اجرای دو وظیفهی توام گسسته-پیوسته و حرکتی-شناختی مورد بررسی قرار گرفته است. برای این منظور از یک وظیفهی گسستهی شنیداری به همراه وظیفهی پیوستهی حرکتی دنبال کردن به عنوان دو وظیفهی توام استفاده شده است. تعداد 25 نفر در این آزمایش شرکت کرده و از آنها خواسته شده است تا به صورت همزمان به تحریک شنیداری پاسخ داده و عمل دنبال کردن حرکتی را نیز انجام دهند. تاثیر سختی روی میزان خطا و زمان پاسخ با استفاده از مدل رانش-انتشار بررسی شده است. در این مدل چهار پارامتری، پارامتر رانش برای بررسی میزان دشواری وظیفه در نظر گرفته شده است. نتایج پارامتر رانش (مقادیر میانگین 5/0، 3/0 و 2/0) در مدل میتواند با تغییرات دشواری در سه سطح، در آزمایش هماهنگی خوبی داشته و به عنوان پارامتر دشواری مورد استفاده قرار گیرد.انجمن مهندسی پزشکی ایراننشریهی علمی مهندسی پزشکی زیستی5869-200814420210120A Numerical Modeling of Vascularized Microfluidic Scaffold with Artificial Lymphatic Drainage Systemمدلسازی عددی داربست ریزسیال عروقی با سیستم تخلیهی لنفاوی مصنوعی34535524211110.22041/ijbme.2021.522904.1661FAمیلاد مهدینژاد آسیابیدانشجوی کارشناسی ارشد مهندسی پزشکی بیومکانیک، دانشکدهی علوم و فنون نوین، دانشگاه تهران، تهران، ایرانبهمن وحیدیدانشیار، بخش مهندسی پزشکی، گروه مهندسی علوم زیستی، دانشکدهی علوم و فنون نوین، دانشگاه تهران، تهران، ایران0000-0001-5597-3748Journal Article20210112It is possible to replace or repair damaged tissue with regenerative medicine. Most tissues in the body rely on blood vessels to supply oxygen and nutrients to individual cells. New blood vessels are essential to grow tissue longer than 100-200 mm due to limited oxygen delivery; This restriction also applies to engineered tissues. Therefore, one of the prerequisites for tissue survival and growth is the presence of vasculature. One way to overcome this limitation is to use microfluidic channels that are created by planting a layer of endothelial cells on the channel wall and applying in vitro flow. In this study, the channels were placed inside a type 1 collagen scaffold with 81% porosity, and a drainage channel was considered for the scaffold with lymphatic function. The geometry of the perfusion channel was based on Murray’s law. The effect of parameters such as drainage channel radius, perfusion channel pressure difference, scaffold hydraulic conductivity, and vascular hydraulic conductivity on transmural pressure and shear stress was investigated. The effect of the bifurcation angle on shear stress was also studied. The finite element method was used to solve the problem. In the simulation on a vessel with a diameter of 100 mm, the maximum interstitial velocity was 50E-9 m/s, the maximum interstitial pressure was 1.34E+3 Pa, and the minimum transmural pressure was 1.49E+3 Pa. The average shear stress on the vessel walls was 10 dyn/cm<sup>2</sup>. It was noted that reducing the pressure at the drainage channel outlet, the internal insulation of the scaffold from the pressure difference within the perfusion channel, reducing the vascular hydraulic conductivity, increasing the scaffold hydraulic conductivity, and increasing the radius of the drainage channel will create and maintain positive transmural pressure. The results of this study can be used in creating implantable tissue consisting of vascular network and drainage.امکان جایگزینی و یا ترمیم بافت آسیبدیده به واسطهی علم پزشکی ترمیمی وجود دارد. بیشتر بافتهای درون بدن برای تامین اکسیژن و مواد مغذی سلولهای منفرد، به عروق خونی متکی هستند. برای رشد بافت با طولی بیش از 100-200 mm به دلیل محدودیت انتشار اکسیژن، به تشکیل عروق خونی جدید نیاز است که این محدودیت برای بافتهای مهندسی شده نیز صدق میکند. بنابراین یکی از پیشنیازهای بافت برای زنده ماندن و رشد، وجود عروق است. یک روش برای رفع این محدودیت استفاده از کانالهای ریزسیال است که به واسطهی ایجاد لایهای از سلولهای اندوتلیال بر دیوارهی کانال و اعمال جریان به صورت برونتنی ایجاد میشود. در این مطالعه، کانالها درون داربستی از جنس کلاژن نوع اول با تخلخل ۸۱% قرار گرفته و کانالی نیز با کاربرد تخلیهی لنفاوی برای داربست در نظر گرفته شده است. هندسهی کانال جریان بر اساس قانون موری ایجاد شده است. تاثیر پارامترهایی چون شعاع کانال تخلیه، اختلاف فشار کانال جریان، هدایت هیدرولیکی داربست و هدایت هیدرولیکی عروقی بر فشار میاندیوارهای و تنش برشی مورد بررسی قرار گرفته است. همچنین تاثیر زاویهی دوشاخگی بر تنش برشی ایجاد شده نیز مطالعه شده است. از روش اجزای محدود برای حل مساله استفاده شده است. در شبیهسازی روی یک رگ با قطر ۱۰۰ mm، حداکثر سرعت بینابینی برابر با 9-E50 m/s، حداکثر فشار بینابینی برابر با 3+E34/1 Pa و حداقل فشار میاندیوارهای برابر با 3+E49/1 Pa ارزیابی شده است. تنش برشی میانگین روی دیوارههای رگ برابر با 10 dyn/cm<sup>2</sup> به دست آمده است. همچنین مشخص شده است که با کاهش فشار در خروجی کانال تخلیه، عایقبندی داخلی داربست از اختلاف فشار درون کانال جریان، کاهش هدایت هیدرولیکی عروقی، افزایش هدایت هیدرولیکی داربست و افزایش شعاع کانال تخلیه میتوان فشار میاندیوارهای مثبت را ایجاد و حفظ کرد. نتایج حاصل از این پژوهش میتواند در ایجاد بافت قابل کاشت متشکل از شبکهی عروقی و تخلیه مورد استفاده قرار گیرد.