مجتبوی از پایان نامه خود با عنوان طراحی و پیاده سازی الگوریتم نیمه خودکار تعاملی بخش بندی برای تصاویر MRI تومور مغزی گلیوم جهت کاربرد در سامانه های راهبری جراحی دفاع کرد

به گزارش روابط عمومی دوره شبانه: سید علیرضا مجتبوی دانشجوی کارشناسی ارشد مهندسی پزشکی از پایان نامه خود با عنوان طراحی و پیاده سازی الگوریتم نیمه خودکار تعاملی بخش بندی برای تصاویر MRI تومور مغزی گلیوم جهت کاربرد در سامانه های راهبری جراحی دفاع کرد.

گلیوما از شایع­ترین و خطرناک­ترین تومورهای مغزی است که گلیوبلاستوم مولتی فرم (GBM) یا گلیومای درجه چهار، شایع­ترین و خطرناک­ترین نوع گلیوما می­باشد. برای درمان و کنترل تومور، بسیار مهم است که در این جراحی­ها تا جای ممکن ناحیه تومور تخلیه شود و در عین حال تا حد امکان ساختارهای حیاتی بافت سالم مغز آسیب نبینند. تفکیک دقیق ناحیه تومور از بافت سالم امری چالش­برانگیز به حساب می­آید زیرا تومورهای مغزی دارای ویژگی­های متنوعی از جمله شکل هندسی، موقعیت و سطح شدت خاکستری بوده، همچنین مرزهای ناواضحی دارد و در بعضی موارد سطح شدت خاکستری تومور با بافت سالم همپوشانی دارد. ناحیه تومور فعال GBM که مرز تومور را مشخص می­کند، در تصاویر MR با وزن­دهی با ماده حاجب، روشن دیده می­شود.

با توجه به حساسیت و پیچیدگی مغز، بخش­بندی نیمه­خودکار تعاملی با ترکیب دانش و اطلاعات بصری از تصاویر توسط انسان­های متخصص و توانایی­های کامپیوتر در انجام محاسبات، ابزار مناسبی برای بخش­بندی تصاویر به نظر می­رسد. رویکرد تعاملی قابلیت انتخاب ناحیه دلخواه و تصحیح بخش­بندی را برای کاربر فراهم می­کند و در نتیجه گزینه مناسبی برای بخش­بندی تصاویر چالش­برانگیز تومور مغزی گلیوم می­باشد.

نتایج حاصل از بخش­بندی دوبعدی دارای کاهش معنادار خطای کاذب مثبت به اندازه 36/45% نسبت به الگوریتم پیشین است. اختلاف خطای کاذب منفی در دو الگوریتم 92/1% که مقدار قابل توجهی نمی­باشد. همچنین بهبود بدست آمده در بخش­بندی سه­بعدی، تاثیریافته از کاهش 36/25% در خطای کاذب مثبت و کاهش 09/2% در خطای کاذب منفی می­باشد.

دکتر علیرضا احمدیان استاد راهنما و  دکتر سید میثم علیمحمدی و دکتر حمیدرضا سلیقه­راد اساتید مشاور این پژوهش بودند. دکتر بهادر مکی­آبادیو دکتر شهره کسایی داوری آن را برعهده داشتند.