پردازش تصاویر پزشکی
ندا بهزادفر؛ حمید سلطانیانزاده
دوره 7، شماره 3 ، آذر 1392، ، صفحه 219-236
چکیده
تحلیل تومورهای مغزی در تصاویر چندپارامتری تشدید مغناطیسی امری مهم است. اگر کاربر این کار به صورت دستی انجام دهد، علاوه بر اتلاف زمان زیاد، سبب کاهش دقت و قابلیت تکرارپذیری تحلیل میشود. خودکار کردن این تحلیل به دلیل تنوع زیاد در ظاهر بافت توموری بیماران مختلف، ساختار پیچیده بافتهای توموری و همچنین شباهت بافتهای توموری و سالم ...
بیشتر
تحلیل تومورهای مغزی در تصاویر چندپارامتری تشدید مغناطیسی امری مهم است. اگر کاربر این کار به صورت دستی انجام دهد، علاوه بر اتلاف زمان زیاد، سبب کاهش دقت و قابلیت تکرارپذیری تحلیل میشود. خودکار کردن این تحلیل به دلیل تنوع زیاد در ظاهر بافت توموری بیماران مختلف، ساختار پیچیده بافتهای توموری و همچنین شباهت بافتهای توموری و سالم امری چالشبرانگیز است. در این مقاله راهکاری برای به حداقل رساندن نقش کاربر در تحلیل تصاویر تشدید مغناطیسی به منظور استخراج تومورهای مغزی Glioblastoma Multiform (GBM)- که از بدخیمترین انواع تومورهای مغزی هستند- ارائه شده است. در این مقاله، از 12 بیمار دارای تومور GBM تصویربرداری به عمل آمد. سپس با استفاده از روشی مستقل از کاربر و بدون نیاز به پارامترهای ابتدایی، ناحیة توموری از تصاویر با وزن T1 بعد از تزیق ماده حاجب Gd، با دقت زیادی استخراج شد. در روش ارائه شده در هیچ مرحلهای به حضور کاربر نیاز نیست و تمام پیکسلهای ناحیة روشن ((Gd-enhanced بدون توجه به محل ابتدایی آنها استخراج میشوند. مقایسة ناحیة Gd-enhanced استخراج شده در این روش با ناحیة انتخاب شده توسط فردی ماهر نشاندهندة کارایی زیاد روش است (R2= 0.97). به منظور ارزیابی روش پیشنهادی در کاربردی عملی، از آن در پیشبینی آثار درمان تومورهای مغزی GBM با استفاده از بواسیزوماب استفاده شد. بواسیزوماب (Bevacizumab) یکی از داروهایی است که به دلیل توانایی زیاد در متوقف کردن رشد تومور و حتی کاهش اندازه تومور به آن بسیار توجه شده است. در این راستا از 12 بیمار دارای تومور GBM در مرحله قبل و مدتی پس از درمان تصویربرداری به عمل آمد. میزان کاهش نسبی حجم ناحیة Gd-enhanced استخراج شده در تصاویر با وزن T1 بعد از تزیق ماده حاجب Gd، معیاری از پاسخ بیماران به دارو در نظر گرفته شد. سپس با استفاده از طبقهبندیکننده KNN تصاویر سری اول به اجزای ماده سفید، ماده خاکستری و مایع مغزی- نخاعی تجزیه شدند و از آنها برای تشکیل تصاویر ویژه استفاده شد. این کار سبب حذف نقش کاربر در تشکیل تصاویر ویژه و افزایش قابلیت تکرارپذیری روش شد. در ادامه با استفاده از تحلیل هیستوگرام، ویژگیهای مناسب از ناحیة Gd-enhanced استخراج شدند؛ سپس معادلات پیشگویی پاسخ بیماران به داروی مذکور برحسب ویژگیهای به دست آمده در قسمت قبل محاسبه شدند. در بهترین حالت ضریب همبستگی 0.91 به دست آمد که نشاندهندة امکان پیشبینی نتیجة درمان بواسیزوماب برای بیماران دارای GBM با استفاده از تصاویر تشدید مغناطیسی در روشی با حداقل نقش کاربر است. مقایسة نتایج به دست آمده در این روش با پژوهشهای قبلی نشاندهندة کارایی زیاد روش در کنار مستقل بودن آن از کاربر است.