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.