ورود

0

  • عنوان
  • قیمت واحد
  • تعداد
  • حذف
روش تشخیصی جدید برای کانتورینگ تومور در تصاویر پزشکی
شهریور 21

روش تشخیصی جدید برای کانتورینگ تومور در تصاویر پزشکی

 

قبل از انجام درمان توسط رادیوتراپی، در ابتدا پزشکان به بررسی تصاویر پزشکی پمی پردازند تا تومورهای بزرگ را در آن تشخیص دهند. آنها سپس تصاویر بالینی مورد نظر بیمار که شامل بافت های اطراف هستند را بررسی می کنند زیرا این مناطق می توانند سلول های سرطانی را پنهان کنند و مسیرهای متاستاز را فراهم کنند. برای انجام این فرایند مقدار اشعه تابیده شده اهمیت بسیاری داشته تا علاوه بر نتیجه گیری مطلوب، آسیب پذیری کمتری داشته باشد. به طور مثال در سرطان سر و گردن به دلیل وجود بافت های آسیب پذیر در مجاورت آن، این فرآیند با حساسسیت بالا انجام می گیرد.

یکی از مشکلات بیماران در این فرآیند این است که بیمار براساس نظر پزشک خود اشعه دریافت می کند که این حالت برای یک بیمار مشخص توسط دو پزشک متفاوت می باشد به طوریکه در برخی حالات بیمار تا 8 برابر دوز بیشتری دریافت می کند که این امر مطلوب نمی باشد.  

به منظور رفع این مشکل محققان دانشگاه تگزاس یک روش جدید برای کانتورینگ اتوماتیک اهداف پر ریسک یافتند. در این مطالعه، پزشکان 52 بیمار مبتلا به سرطان دهانه رحم که در ماه ژانویه 2006 تا اوت 2010 در مرکز MD Anderson درمان شده بودند را مورد تجزیه و تحلیل قرار دارند.

بسیاری از متخصصان رادیوتراپی از بیماری های با  تومور ناشناخته استفاده می کنند و بر اساس شکل تومور و بافت های مجاور آن، حاشیه های مختلفی را بر اساس شکل تومور و بافت مجاور آن با استفاده از بردارهای فاصله اعمال کردند. این پروژه در سال 2015 توسط کارداناس آغاز شد و به سرعت داده های مورد نیاز برای تجزیه و تحلیل جمع آوری شد. او با بکارگیری یادگیری عمیق به عنوان راهی برای استخراج داده ها و کشف قوانین ناخوانده که تصمیمات کارشناسان را هدایت می کردند پرداخت. در الگوریتم یادگیری عمیق از اینکودرها برای شناسایی و بازسازی الگوهای خطوط پزشک استفاده می شود.

در این مدل از حجم تومور و فاصله تومور از ساختارهای آناتومی اطراف به عنوان ورودی استفاده شده است. سپس داده ها برای شناسایی وکسل هایی (پیکسل های سه بعدی) بخشی از تومورها طبقه بندی می شوند. در موارد سرطان دهانه رحم، سر و گردن معمولا با حجم های مختلف برای خطر بالا، کم و متوسط درمان صورت می گیرد. همانطور که در شکل مشاهده می شود خطوط آبی و قرمز نشان داده شده در تصویر ناحیه تشخیصی تومور توسط روش پیشنهادی و روش دستی پزشک می باشد.

 

 

با استفاده از ابر رایانه پیشرفته در مرکز رایانه تگزاس (TACC)، محققان قادر به تولید حجم بالینی هدف در کمتر از یک دقیقه هستند. سیستم آموزشی طولانی ترین زمان را سپری می کند اما TACC  سرعت تحقیق را به میزان قابل توجهی بالا می برد. کارداناس معتقد است که در صورت استفاده از سیستم های گرافیکی GPU این فرآیند دو ماه طول می کشد. بنابراین استفاده از سیستم های TACC سرعت پاسخگویی را بالا می برد. بعضی از این سیستم های پیشنهاد دهنده بسیار خوب بوده و تلاش برای یافتن سیستم های که می توانند پیش بینی های بیشتری را انجام دهند ادامه دارد. امید است که با استفاده از این روش اطلاعات بیشتری به منظور درمان بیمار در اختیار پزشکان قرار داده شود.

 

منبع: sciencedaily

 

 

 

 



محصولات پیشنهادی