انجمن مهندسی پزشکی ایراننشریه علمی مهندسی پزشکی زیستی2008-58695420120220Study of Physiological Parameters of the Cardiovascular System by One Dimensional and Numerical Simulationبررسی پارامترهای فیزیولوژیک دستگاه گردش خون با شبیه‌سازی عددی یک‌بعدی2792881316410.22041/ijbme.2012.13164FAمهدیمولائیکارشناس ارشد ، دانشکده مهندسی مکانیک، دانشگاه صنعتی شریفمحمدسعیدسعیدیاستادگروه مهندسی مکانیک، دانشکده مهندسی مکانیک، دانشگاه صنعتی شریفبهارفیروزآبادیاستاد گروه مهندسی مکانیک، دانشکده مهندسی مکانیک، دانشگاه صنعتی شریفJournal Article20150615Study of Physiological Parameters of the Cardiovascular System by One Dimensional and Numerical Simulation. Owning to important role of the cardiovascular system in the human body and increase of cardiovascular diseases from day to day, in this study, we try to simulate a system of arteries by using one dimensional numerical modeling. For the first time in the one dimensional simulation, we use the finite volume method for discretization of Navier-Stocks equations coupled with the state equation. In order to develop the outflow boundary condition, we use a kind of lumped model called arteriole structure tree. Results of this study are verified by results of other one dimensional modeling such as the characteristic method and are showed that finite volume method is able to demonstrate characteristic of blood flow in arteries. Normal pressure and flow profiles in main systemic arteries are determined, and it is founded that the pressure profile becomes steeper with distance from the heart, which is in agreement with physiological patterns. Furthermore, we can show that when elasticity of arteries is increased in arterioscleroses disease, systolic pressure increases, yet diastolic pressure decreases. Finally, according to available results, it is clear that the finite volume method is useful to simulate numerically and one dimensionally the cardiovascular system.به علت نقش اساسی دستگاه گردش خون در بدن و گسترش روز‌افزون بیماری‌های مربوط به آن در کار حاضر سعی شده است تا با استفاده از شبیه‌سازی عددی یک‌بعدی، سیستم سرخرگ‌های اصلی دستگاه گردش خون مدل شود. برای اولین بار در شبیه‌سازی یک‌بعدی از روش حجم محدود برای گسسته‌سازی معادلات ناویر‌استوکس که با معادله حالت کوپل شده استفاده شده است. در گسترش شرایط مرزی خروجی از مدلی موسوم به درختچه‌ی شریانی ساختار یافته بهره گرفته شده است و مدل یک‌بعدی با مدل متمرکز ( لامپ) کوپل شده است. نتایج این حل، با سایر حل‌های یک‌بعدی چون روش مشخصه‌ها اعتبارسنجی شده و نشان داده شده که استفاده از روش حجم محدود نیز می‌تواند مشخصات جریان خون در سرخر‌گ‌ها را به خوبی نشان دهد. همچنین پروفیل‌های فشار و دبی در رگ‌های اصلی بدن در حالت نرمال به دست آمده و نشان داده شده که با دور شدن از قلب پروفیل فشار تیزتر می‌شود که با نتایج فیزیولوژیک همخوانی دارد. همچنین نشان داده می‌شود که با افزایش ضریب الاستیک رگ‌ها در بیماری تصلب شریان، فشار سیستولی افزایش و همراه با آن فشار دیاستولی کاهش می‌یابد. در نهایت با توجه به نتایج به دست آمده این نکته به دست می‌آید که روش حجم محدود کارایی لازم برای شبیه‌سازی عددی یک‌بعدی دستگاه گردش خون را دارا می‌باشد.https://www.ijbme.org/article_13164_33bd1b801b3cf1b8eaf31d816bca2c95.pdfانجمن مهندسی پزشکی ایراننشریه علمی مهندسی پزشکی زیستی2008-58695420120220Voxel Based Treatment Prediction Using Diffusion Anisotropy Indices and Spatial Information in Glioblastoma Multiform Tumorپیش‌بینی نتیجه درمان بر اساس آنالیز واکسل با استفاده از شاخص‌های ناهمسانگردی انتشار و اطلاعات مکانی در تومور GBM2892951316610.22041/ijbme.2012.13166FAهادیصباحیقطب علمی کنترل وپردازش هوشمند،دانشکده برق وکامپیوتر،دانشگاه تهرانحمیدسلطانیانزادهقطب علمی کنترل وپردازش هوشمند،دانشکده برق وکامپیوتر،دانشگاه تهران،تهران ،ایران.
آزمایشگاه تحلیل تصاویر،بخش رادیولوژی،بیمارستان هنریفورد،دیترویت،میشیگان، آمریکالیزااسکارپیسبخش جراحی مغزواعصاب،بیمارستان هنریفورد،دیترویتتاممیکلسنبخش جراحی مغزواعصاب،بیمارستان هنریفورد،دیترویتJournal Article20150615In this paper, we propose a method to predict the outcome of Bevacizumab therapy on Glioblastoma Multiform (GBM) tumors. The method uses diffusion anisotropy indices (DAI) and spatial information to predict the treatment response of each tumor voxel. These DAIs are Fractional Anisotropy, Mean Diffusivity, Relative Anisotropy, and Volume Ratio, extracted from Diffusion Tensor Imaging (DTI) data before treatment. The spatial information is considered as the distance of each tumor voxel from the tumor center, extracted from pre-treatment post-contrast T1-weighted Magnetic Resonance Images (pc-T1-MRI). DAIs and spatial information of each tumor voxel are considered as feature vector. DTI and pc-T1-MRI are gathered before and after the treatment of seven GBM patients. First, DAIs of all brain voxels and the distance of each tumor voxel from the tumor center are calculated. Second, the method registers pretreatment DAI maps and post-treatment pc-T1-MRI to pre-treatment pc-T1-MRI. Next, the tumor is segmented using thresholding technique from pc-T1-MRI. Then, Gd-enhanced voxels of the pre- and posttreatment pc-T1-MRI are compared to label the feature vectors. Three classifiers were evaluated, including Support Vector Machine, K-Nearest Neighbor, and Artificial Neural Network. Classification results show a preference for K-Nearest Neighbor based on well-established performance measures.در این مقاله، روش جدیدی برای پیش بینی نتیجه درمان تومور GBM با استفاده از داروی بواسیزوماب ارائه شده است. در این روش از شاخص های ناهمسانگردی انتشار و اطلاعات مکانی برای پیش بینی پاسخ هر یک از واکسل های ناحیه توموری به درمان استفاده شده است. شاخص های ناهمسانگردی (DAI) استفاده شده عبارتند از: ناهمسانگردی جزئی (FA)، متوسط انتشار (MD)، ناهمسانگردی نسبی (RA) و نسبت حجمی (VR) که از تصاویر تانسور انتشار (DTI) قبل از درمان استخراج شده است. اطلاعات مکانی بصورت فاصله هر واکسل توموری از مرکز تومور تعریف می شود که از تصاویر T1-Post Contrast(PC-T1) قبل از درمان استخراج می شوند. شاخص های ناهمسانگردی انتشار بهمراه اطلاعات مکانی به عنوان بردار ویژگی برای هر واکسل در نظر گرفته می شود. تصاویر DTI و PC-T1 از 7 بیمار دارای تومور GBM قبل و بعد از درمان جمع آوری شده است. ابتدا شاخص های ناهمسانگردی از همه واکسل های مغزی و فاصله هر واکسل توموری از مرکز ناحیه تومور محاسبه می شود. سپس نگاشت های DAI پیش از درمان و تصویر PC-T1 پس از درمان به تصویر PC-T1 قبل از درمان رجیستر می شود آنگاه با استفاده از روش آستانه گذاری، ناحیه توموری از تصاویر PC-T1 استخراج می شوند. سپس واکسل هایی که کنتراستشان با گادلینیم بهبود یافته است و متعلق به تصاویر PC-T1 قبل و بعد از درمان هستند، برای برچسب گذاری بردارهای ویژگی مورد مقایسه قرار می گیرند. در این روش سه طبقه بندی کننده مختلف را مورد ارزیابی قرار دادیم که عبارتند از: SVM، KNN و ANN. نتایج طبقه بندی نشان دادند که طبقه بندی کننده KNN بر اساس معیار های معروف دارای نتایج بهتری می باشد و نتایج درمان را برای هر واکسل بهتر پیش بینی می کند.https://www.ijbme.org/article_13166_130e2cf22996c69455ee7589cc8fed8c.pdfانجمن مهندسی پزشکی ایراننشریه علمی مهندسی پزشکی زیستی2008-58695420120220Determination of parameters of Fung hyperelastic model for intracranial blood vessel of human using biaxial tensile testاستخراج پارامترهای خواص مکانیکی عروق مغزی انسان با استفاده از آزمون کشش دومحوری2973041316710.22041/ijbme.2012.13167FAمحمدشفیقدانشکده مهندسی پزشکی، دانشگاه آزاد اسلامی واحدعلوم وتحقیقات تهرانناصرفتورائیآزمایشگاه تحقیقاتی مکانیک سیالات زیستی، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)0000-0002-5714-027Xامیرسعیدصدیقیمرکز تحقیقات جراحی اعصاب کاربردی، بیمارستان شهدای تجریش، دانشگاه علوم پزشکی شهید بهشتی تهرانJournal Article20150615Understanding of mechanical properties of healthy brain arteries is a key element in the development of clinical diagnosis and prevention.For this reason we make biaxial measurements to have appropriate parameters for the underlying material models. To acquire these properties, eight samples were obtained from middle cerebral arteries of human cadavers, whose death were not due to injuries or diseases of cerebral vessels, and tested within twelve hours after resection. The changes of force and deformation until the vessel rupture were recorded. Thereafter, the stress-strain curves were plotted and fitted with a hyperelastic five-parameter Fung model parameters, according to the best fit, were determined. It was found that the arteries were remarkably stiffer in circumferential than in axial direction. It was also found that the use of multi-parameter hyperelastic constitutive models is applicable for mathematical description of behavior of cerebral vessel tissue. The reported material properties can be a proper reference for numerical simulation of cerebral arteries of healthy or diseased intracranial arteries.خواص مکانیکی شریان‌های مغزی، با توجه به ارتباطشان با بیماری‌های این عضو، از ارزش بالینی بالایی برخوردار هستند. در راستای تحقق اهداف پروژه یک دستگاه آزمون کشش دومحوری منحصراً برای این مطالعه و با توجه به ابعاد، حساسیت و ماهیت ناهمگن نمونه‌ها ساخته شد. سپس هشت نمونه از شریان مغزی میانی از جسد انسان‌هایی که مرگشان به علت جراحات یا بیماری عروق مغزی نبود، از اجساد گرفته شدند. نمونه‌ها طی کم‌تر از دوازده ساعت بعد از جدا کردن‌شان از جسد، توسط دستگاه آزمون کششی دومحوری آزموده شدند. منحنی تنش-کشش به‌دست آمده از آزمون‌ها رسم شدند و سپس با مدل ریاضی‌ای که فانگ برای بافت با خاصیت هایپرالاستیک ارائه کرده است، برازش داده شدند. نتایج حاصل از این مطالعه نشان دادند که شریان‌ها به طور محسوسی در راستای محیطی سخت‌تر از جهت محوری هستند. همچنین نتایج نشان داد که استفاده از مدل‌های چند‌پارامتری هایپرالاستیک که دربرگیرنده معادلات رفتاری ماده است، می‌تواند برای توصیف ریاضی رفتار بافت عروق مغزی مفید باشند. خواص به‌دست آمده از نمونه‌ها در این مقاله یک مرجع مناسب برای مدل‌سازی عددی، تجزیه و تحلیل رفتار عروق مغزی برای حالات سالم و یا بیمار است.https://www.ijbme.org/article_13167_2bec63f5d312303621583b97ff7c68bf.pdfانجمن مهندسی پزشکی ایراننشریه علمی مهندسی پزشکی زیستی2008-58695420120220Using Heart Rate and Blood Concentration Data in Order to Predict Hypotension of Hemodialysis Patientsپیش بینی افت فشار خون بیماران دیالیزی با استفاده از اطلاعات ضربان قلب و غلظت خون3053111316810.22041/ijbme.2012.13168FAوحیدابوئیکارشناسی ارشد، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیر کبیرفرزادتوحیدخواهدانشگاه صنعتی امیر کبیر، دانشکده مهندسی پزشکی، استاد0000-0003-3135-9609وحید رضانفیسیسازمان پژوهش‌های علمی- صنعتی ایران، پژوهشکده برق و کامپیوتر، استادیار0000-0003-1472-1020هانیشریفیاندانشگاه صنعتی امیر کبیر، دانشکده مهندسی پزشکی، کارشناسیJournal Article20150615Today, Dialysis hypotension during hemodialysis process is the most common problems for about 20 to 30 percent of dialysis patients. In order to avoid this hypotension, blood pressure should be measured during dialysis process continuously and noninvasively But it is practically impossible and few devices for noninvasive and continuous blood pressure measurement are very expensive. Considering this subject, the parameters related to blood pressure should be used to reach this goal. The blood concentrations and heart rate changes are associated with blood pressure in dialysis patients, so in this study, we determined a model by these two parameters in order to predict the blood pressure of hemodialysis patients. After measuring blood concentration, Heart rate and blood pressure from 14 dialysis patients, using neural network model, we determined a new model that can predict blood pressure in dialysis patient by using blood concentration and heart rate data with 3.8 percent error between the real pressure and the pressure that predicted by the model.افت فشار خون بیماران دیالیزی در حین فرآیند همودیالیز از شایع ترین مشکلاتی است که امروزه حدود 20 الی 30 درصد از بیماران دیالیزی با آن روبرو هستند. در راستای جلوگیری از این افت فشار، می‌بایست فشار خون بیمار دیالیزی را در حین فرآیند همودیالیز حتی المقدور به صورت پیوسته و غیرتهاجمی اندازه‌گیری کرد. اما از آنجائی که این کار عملاً امکان پذیر نیست و دستگاه‌های اندازه‌گیری غیر تهاجمی و پیوسته‌ی افت فشار خون محدود و بسیار گران قیمت می‌باشند لذا می‌بایست با استفاده از پارامترهای مرتبط با افت فشار خون به این مقصود رسید. با توجه به ارتباط تغییرات غلظت خون و ضربان قلب با تغییرات فشار خون بیماران دیالیزی، در این مطالعه به ارائه مدلی پرداختیم که بتواند به وسیله‌ی تغییرات غلظت خون و ضربان قلب، فشار خون بیمار دیالیزی را پیش بینی نماید تا دیگر نیازی به اندازه‌گیری مستقیم فشار نباشد. در این راستا با استفاده از دستگاه‌های اندازه‌گیری تغییرات غلظت خون، ضربان قلب و فشارخون به ثبت داده های کلینیکی از 14 بیمار دیالیزی و پس از آن با استفاده از داده های کلینیکی به ارائه مدل شبکه عصبی پرداختیم که این مدل توانائی پیش‌بینی افت فشار خون بیمار دیالیزی با استفاده از اطلاعات ضربان قلب و غلظت نسبی خون را با خطای 8/3 درصد دارا می‌باشد.https://www.ijbme.org/article_13168_867079fcaff2dfddeb29ca1f27853ef7.pdfانجمن مهندسی پزشکی ایراننشریه علمی مهندسی پزشکی زیستی2008-58695420120220Novel Methods For Elastography of Soft Tissue Using Ultrasound Wavesروش‌های نوین الاستوگرافی بافت نرم با امواج فراصوت3133311316910.22041/ijbme.2012.13169FAمحمدحسنمرادیدانشگاه صنعتی امیرکبیر، دانشکده مهندسی پزشکی0000-0002-3386-4003محمدسجادمنوچهریدانشگاه صنعتی امیرکبیر، دانشکده مهندسی پزشکیرضاایرانی رادمرکز مشاوره بیماری‌های گوارش و کبد تهرانJournal Article20150615During the centuries, palpation has always been a crucial procedure in diagnosing the diseases. At first, these procedures were invasive, but nowadays numerous attempts by the name of elastographyhave been madeforreaching to noninvasive methods. Elastographys basic datais tissues relative displacement which is tracked by ultrasound waves. First in these systems in order to attain the displacements gradient, an image of tissue is taken and then it is compared to image of that same tissue after applying a small mechanical impulse into it. Mechanical strain is calculated by estimating the displacements gradient and demonstrated as an image with gray levels named elastogram (strains image) .Based on how the mechanical vibration is given, ultrasound-elastography will separate into four categories as follows: static, dynamic, shear-wave and passive elastography. In static-elastography, the force is applied manually by the clinician and therefore it depends on operators skill and cannot be considerable. In dynamic type the movement of tissue is constantly provided by an external vibrator, so in order to prevent the interference of impulses we must use a rapid imaging system that eventually will cost extra expense and unavailability. Shear-wave elastography which currently is the most common method used in elastography systems,has an external vibratorLike dynamic method, but due to momentary impulses, it skips the problem of impulse interference. In passive method, physiologic movements of body will be given to tissue as itsvibration. This technique is hypothetical yet.بررسی میزان سفتی بافت، یکی از روش‌های مهم تشخیص بیماری‌ها است. این روش در ابتدا به صورت تهاجمی بوده ولی امروزه تلاش‌های متعددی برای دستیابی بهروش‌های غیرتهاجمی،تحت عنوان الاستوگرافیصورت پذیرفته است. داده پایه‌ای که در الاستوگرافی مورد استفاده قرار می‌گیرد، جابجایی نسبی بافتاست که به کمک امواج فراصوترصدمی‌شود.در این سیستم‌ها، برای بدست آوردن میدان جابجایی، ابتدا یک تصویر از بافت اصلی تهیه شده و سپس با تصویری که از همان بافت پس از اعمال اندکی تحریک مکانیکی گرفته شده است، مقایسه می‌شود. کرنش (استرین) مکانیکی با محاسبه گرادیان تخمین میدان جابجایی، به صورت تصویری با سطوح خاکستری که الاستوگرام (تصویر کرنش) نام دارد، نمایش داده می‌شود. بر اساس نحوه ایجاد تحریکات مکانیکی در بافت، الاستوگرافی با امواج فراصوتبه چهار دستة الاستوگرافی استاتیک، دینامیک، موج برشی و غیرفعال تقسیم بندی می‌شوند. در نوع استاتیک اعمال نیرو به بافت توسط پزشک انجام می‌شود که به دلیل وابستگی به مهارت پزشک، نتایج قابل استناد نیست. در نوع دینامیک حرکت بافت توسط لرزاننده خارجیبه صورت ممتد انجام می‌شود که برای جلوگیری از تداخل تحریکات باید از سیستم‌های تصویربرداری فوق سریع بهره گرفت که مشکلات عدم دسترسی و هزینه بالا را در پی خواهد داشت. الاستوگرافیمبتنی بر موج برشی که امروزه به عنوان روش غالب در سیستم‌های الاستوگرافی مورد استفاده قرار گرفته است، مانند روش دینامیک دارای لرزاننده خارجی بوده ولی چون تحریک به صورتلحظه‌ای اعمال می‌شود، مشکل تداخل تحریکات را ندارد. در روش غیرفعال،از حرکات فیزیولوژیکی بدن برای اعمال نیرو به بافت استفاده می‌شود.این روش در حال حاضر در مرحله تحقیقاتی است.https://www.ijbme.org/article_13169_2bfd597f06c032f81efb35e857e2dd91.pdfانجمن مهندسی پزشکی ایراننشریه علمی مهندسی پزشکی زیستی2008-58695420120220Suitable drug structure prediction with Opposition-Based Differential Evolutionپیش‌بینی ساختار مناسب دارو با استفاده از الگوریتم تکامل تفاضلی مبتنی بر نقطهی مخالف3333511317010.22041/ijbme.2012.13170FAمحمدکوهی مقدمدانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیک-دانشگاه علم و صنعت ایرانعادلترکمان رحمانیاستادیار دانشکده مهندسی کامپیوتر-دانشگاه علم و صنعت ایرانJournal Article20150615Discovery of new drugs and study of their side effects has been an important research field in recent years. Because of direct effect of the pharmaceutical products on human health usually the drug design projects are challenging and technically demanding. The incorporation of computer simulations into drug design projects is one of the best ways to optimize drugs' potency. In this approach, researchers try to find the best interaction between protein structure and drug in a virtual environment; this procedure is called "molecular docking". The molecular docking problem can be considered as a search problem. The search space in this problem is defined with all possible protein-ligand interactions and the best interaction is the solution of problem. In this paper, a new approach for finding the best interaction is proposed. The proposed method is based on opposition based differential evolution algorithm. Also the proposed method is enhanced by a local search algorithm and a pseudo-elitism operator. Like other metaheuristic algorithms, our method uses a population of possible solution and AutoDock scoring function is used to evaluate each vector in the population. Six different protein-ligand complexes are used to verify the efficiency of the proposed algorithm. The experimental results show that the proposed algorithm is more robust and reliable than other algorithms such as simulated annealing and Lamarckian genetic algorithm.کشف داروهای جدید و بررسی اثرات جانبی آنها یکی از زمینههای مهم پژوهشی است که دانشمندان داروساز در آن به فعالیت مشغولند. به دلیل اثرِ مستقیمِ محصولات دارویی بر سلامت انسانها، تحقیقات داروسازی از حساسیت بالایی برخوردار بوده و رسیدن به جوابی مطلوب در این تحقیقات اغلب زمان زیادی احتیاج خواهدداشت. پیش‌بینی ساختار دارو به کمک نرمافزارهای شبیه‌سازی، راهکاری است که در سالهای اخیر مورد توجه محققین داروسازی بودهاست. در این مسئله دانشمندان به دنبال یافتن بهترین برهمکنشِ بین ساختار دارو و گیرنده می‌باشند. این مسئله در منابع علمی با نام پهلوگیریمولکولی شناخته می‌شود و میتوان آنرا به عنوان یک مسئله جستجو در نظر گرفت که فضای جستجو در آن حالتهای مختلف برهمکنش دارو وگیرنده می‌باشد. هدف نهایی از حل این مسئله انتخاب بهترین برهمکنش از میان این فضای جستجو است. در این مقاله از الگوریتم تکاملتفاضلی مبتنی بر نقطه مقابل برای یافتن بهترین حالت برهمکنش دارو و گیرنده استفاده شدهاست. برای بهبود نتایج، الگوریتم مذکور با یک روش جستجوی محلی و یک عملگر نخبهگرا تلفیق شدهاست. الگوریتم ارائهشده، مانند دیگر الگوریتمهای فرااکتشافی یک الگوریتم تکرار شونده می‌باشد که به کمک جمعیتی از بردارهای جواب سعی در یافتن بهترین برهمکنش دارد. همچنین تابع ارزیاب استفاده شده در این پژوهش تابع ارزیاب AutoDock می‌باشد. برای ارزیابی الگوریتم پیشنهادی شش ساختار متفاوت گیرنده-دارو استفاده شدهاست. نتایج حاصل از پیش‌بینی ساختار دارو برای هر یک از این شش گیرنده با نتایج الگوریتم ژنتیک لامارکی و الگوریتم سردسازی شبیه‌سازی شده و الگوریتم تکاملتفاضلی معمولی مقایسه شدهاست. بر اساس نتایج الگوریتم ارائه شده نسبت به الگوریتمهای دیگر از عملکرد بهتری برخوردار است.https://www.ijbme.org/article_13170_c034642a2ae7547082484627da30f1fd.pdfانجمن مهندسی پزشکی ایراننشریه علمی مهندسی پزشکی زیستی2008-58695420120220Registration of intra-operative Ultrasound to CT images using Two-stage point based registration algorithm for Correction of Deformation in liver phantomانطباق تصاویر سی‌تی اولیه با فراصوت حین عمل به منظور تصحیح جابجایی بافت در فانتوم کبد با استفاده از الگوریتم انطباق دو مرحله‌ای3513582488010.22041/ijbme.2012.24880FAفاطمهناظمدانشجوی کارشناسی ارشد، گروه فیزیک و مهندسی پزشکی، دانشگاه علوم پزشکی تهرانعلیرضااحمدیاندانشیار، گروه فیزیک و مهندسی پزشکی، دانشگاه علوم پزشکی تهرانمحمد جوادابوالحسنیدانشیار، گروه فیزیک و مهندسی پزشکی، ، دانشگاه علوم پزشکی تهراننسیمداداشیدانشجوی دکترا، گروه فیزیک و مهندسی پزشکی ، دانشگاه علوم پزشکی تهرانمعصومهگیتیدانشیار، گروه رادیولوژی بیمارستان امام خمینی، دانشگاه علوم پزشکی تهرانمحمد باقرشیراندانشیار، گروه فیزیک و مهندسی پزشکی ، دانشگاه علوم پزشکی تهرانJournal Article20170316Abstract: Image guided liver surgery based on intra-operative ultrasound images has received much attention in recent years. Using an efficient point-based registration method to improve both the accuracy and computational time for registration of pre-deformation CT liver images to post-deformation Ultrasound images is of great concern during surgical procedure. Although, Iterative Closest Point (ICP) algorithm is widely used in surface-based registration, its performance is strongly dependent on existence of noise and initial alignment. The registration technique based on the Unscented Kalman Filter (UKF) proposed recently can be a solution to overcome to noise and outliers on an incremental registration basis but it suffers from computational complexity. To overcome the limitations of ICP and UKF algorithms we proposed an incremental two-stage registration algorithm based on the combination of ICP and UKF algorithm to update the registration process based on arrival of intra-operative images. The two-stage algorithm is examined on phantom data sets. The results of phantom study confirm that the two-stage algorithm outperforms the accuracy of ICP and UKF by 23% and 13%, respectively and reduces the running time of UKF by 60%. با توجه به گسترش روز افزون استفاده از تصویربرداری فراصوت در سیستم‌های راهبری جراحی کبد، داشتن فرآیند انطباق بین تصاویر قیل و حین جراحی که از دقت و زمان کافی برخوردار باشد امری اجتناب ناپذیر است. با وجود استفاده گسترده از الگوریتم تکراری نزدیکترین نقاط<sup>1</sup> در روش‌های انطباق مبتنی بر ویژگی، عملکرد آن به نویز، داده‌های اضافی وو انطباق اولیه حساس است. الگوریتم انطباق مبتنی بر کالمن <sup>2</sup>unscented که اخیرا معرفی شده است، بر مشکلات ناشی از نویز و داده‌های اضافی فائق می‌آید. الگوریتم UKF فرآیندی است که به صورت افزایشی و پی‌در‌پی نقاط را در انطباق تاثیر می‌دهد و برخلاف ICP نیازی به جمع آوری تمام نقاط برای شروع ندارد، با این وجود هزینه محاسباتی بالایی دارد. از این رو در این مطالعه رویکرد جدید دو مرحله‌ای برای انطباق پیشنهاد می‌شود. الگوریتم پیشنهادی ترکیبی از ICP و UKF است که علاه بر فائق آمدن بر محدودیت‌های ICP، بردار حالت UKF را بصورت دقیق مقداردهی می‌کند و زمان اجرای UKF را کاهش می‌دهد. الگوریتم دو مرحله‌ای بر روی دیتای گرفته شده از فانتوم تست می‌شود. نتایج نشان می‌دهد که الگوریتم پیشنهادی دقت الگوریتم ICPرا تا 23% و الگوریتم UKF را تا 13% در انطباق تصاویر فراصوت به سی‌تیبهبود می‌بخشد و زمان اجرای الگوریتم UKF را تا 60% کاهش می‌دهد.https://www.ijbme.org/article_24880_592f69eb8605faf19bb15d0b370cfac8.pdf