اندازه گیری چربی قلب در تصاویر توموگرافی کامپیوتری به منظور تشخیص ابتلای افراد به بیماری قلبی عروق کرونر
Cardiac Fat Measurement in Computer Tomography Images to Detect Individuals with coronary artery disease
مجریان: احمد کشتکار , سعید رشیدی
خلاصه روش اجرا: در این پژوهش ابتدا از پایگاه داده Visual Lab که شامل 878 تصویر توموگرافی کامپیوتری (CT=Computed Tomography) قلب مربوط به 20 بیمار می باشد و به صورت دستی نیز توسط یک physicist و یک computer scientist چربیهای قلب تعیین و تقسیمبندی شده است، استفاده می شود. سپس در تصاویر توموگرافی کامپیوتری، پیکسلهای چربی از بقیه پیکسل های تصویر جدا می شود (در مرحله پیش پردازش) و از استخراج ویژگی بر روی پیکسل های چربی با استفاده از فیلترهای گابور و تبدیل کرولت و ... و الگوریتمهای طبقهبندی مربوط به نرمافزار متلب و نرمافزارهای دادهکاوی Weka و RapidMiner، با هدف بهبود عملکرد و دقت مناسب در تقسیمبندی چربیهای قلب به صورت خودکار (همچنین اندازهگیریهایی که به صورت خودکار توسط نرمافزارها بهدستآمده است، با اندازهگیری دستی انجام شده توسط پزشک از لحاظ حساسیت و ویژگی مورد مقایسه قرار میگیرد)، استفاده می شود. در نهایت با توجه به اینکه چربی های قلب با بیماری قلبی عروق کرونر ارتباط دارد، با اندازهگیری سطح چربیهای تقسیمبندی شده قلب در مقطع های مربوط به بیمار و به دست آوردن حجم چربی کل قلب، ابتلای افراد به بیماری قلبی عروق کرونر تشخیص داده می شود. برای تشخیص ابتلای افراد به این بیماری نیز از دادههای تصاویر مرکز سی تی آنژیو بیمارستان مدنی تبریز استفاده میشود که در این تصاویر CT قلب مربوط به بیماران، توسط پزشک، ابتلا یا عدم ابتلا به بیماری قلبی عروق کرونر تشخیص داده شده است.
اطلاعات کلی طرح 
| مرحله جاری طرح | خاتمه قرارداد و اجرا |
| کد طرح | 62148 |
| عنوان فارسی طرح | اندازه گیری چربی قلب در تصاویر توموگرافی کامپیوتری به منظور تشخیص ابتلای افراد به بیماری قلبی عروق کرونر |
| عنوان لاتین طرح | Cardiac Fat Measurement in Computer Tomography Images to Detect Individuals with coronary artery disease |
| نوع طرح | طرح - پایان نامه |
| اولویت طرح | فناوریهای همگرا و فناوریهای نوین در غربالگری، تشخیص زودرس، توانبخشی و درمان بیماریها |
| نوع مطالعه | مطالعات علوم پایه (Experimental) |
| تحقیق در نظام سلامت | بلی |
| آیا طرح پایاننامه دانشجویی است؟ | بله |
| مقطع پایان نامه | کارشناسی ارشد |
| مدت اجرا - ماه | 12 |
| نوآوری و ضرورت انجام تحقیق | 1- به علت طبیعت وابسته بودن به طرز تفکر شخصی در تحلیل دستی تصاویر، به توسعه روشهای قابلاعتماد و علمی در تقسیمبندی خودکار تصاویر پزشکی جهت به دست آوردن دقت کافی در حجم چربیهای قلب و به دنبال آن میزان ابتلا به بیماریهای قلبی نیاز است. 2- در روش اندازهگیری خودکار، زمان تشخیص بیماری نسبت به اندازهگیری دستی کاهش مییابد. 3- همچنین در روش خودکار خطای انسانی کاهش یافته و در نتیجه دقت و صحت اندازهگیری و تشخیص افزایش مییابد. 4- تشخیص به موقع بیماری با استفاده از نرمافزارهای مذکور، از گسترش بیماری به طور قابلتوجهی جلوگیری میکند. |
| اهداف اختصاصی | طراحی و اجرا الگوریتم در نرم ­افزارهای متلب و داده ­کاوی جهت تقسیم ­بندی و اندازه­ گیری چربی‌های قلب -مقایسه اندازه‌گیری خودکار و دستی چربی­ های قلب در تصاویر CT مربوط به بیماران -تعیین حجم چربی­ های اپیکاردیال و مدیاستینال قلب در افراد سالم و افراد مبتلا به بیماری قلبی عروق کرونر (تشخیص ابتلا به بیماری قلبی عروق کرونر) |
| چکیده انگلیسی طرح | In this study, the Visual Lab database, which contains 878 computed tomography (CT) images of the heart of 20 patients, is used, and heart fat has been manually determined and segmented by a physicist and a computer scientist. Then, in the computed tomography images, fat pixels are separated from the rest of the image pixels (in the pre-processing stage), and feature extraction on fat pixels is used using Gabor filters and Kerolt transform, etc., and classification algorithms related to MATLAB software and data mining software Weka and RapidMiner, with the aim of improving the performance and accuracy in automatically segmenting heart fat (also, measurements obtained automatically by the software are compared with manual measurements made by the doctor in terms of sensitivity and specificity). Finally, given that heart fat is associated with coronary heart disease, by measuring the level of segmented heart fat in the patient's sections and obtaining the total heart fat volume, individuals are diagnosed with coronary heart disease. To diagnose individuals with this disease, data from the CT Angio Center of Tabriz Madani Hospital is also used, in which the doctor has diagnosed the patients with or without coronary heart disease. |
| کلمات کلیدی | CT (Computed Tomography): مقطع نگاری کامپیوتری یا برش نگاری رایانهای یا توموگرافی رایانهای یا به اصطلاح سی تی اسکن، روشی نوین است در علوم تشخیصی و در فیزیک پزشکی که کاربرد تحقیقاتی و درمانی فراوانی دارد. در این روش، کالبد انسان یا دیگر جانوران به صورت لایه به لایه اسکن می شود و بدین ترتیب بخش های درونی بدن نیز برای پزشکان قابلرؤیت می گردد. نرمافزار Matlab: یک محیط نرم افزاری برای انجام محاسبات عددی و یک زبان برنامه نویسی نسل چهارم است؛ که از این نرمافزار در جهت پردازش تصویر استفاده می شود. نرمافزار داده کاوی Weka: دادهکاوی مجموعه تکنیک هایی می باشد که پایگاه داده های بزرگ را به منظور دستیابی به دانش، تحلیل می کند. به منظور داده کاوی (Data Mining) امروزه از روش های ماشینی و یا نیمه ماشینی استفاده می شود که دلیل آن هم تفاوت عمده در مقیاس، وسعت و گوناگونی زمینهها و کاربردها و نیز ابعاد و اندازههای دادههایی می باشد که امروزه مورد استفاده قرار میگیرد. داده کاوی در اصل به معنای استخراج اطلاعات یا الگوهای عملکرد و روابط مشخص در میان داده ها و همینطور پایگاه های داده می باشد. نرمافزار داده کاوی RapidMiner: نرم افزاری برای آنالیز داده ها به صورت عددی و نمایش گرافیکی نتایج حاصل از تحلیل داده ها محسوب می شود. Dicom (Digital Imaging and Communications in Medicine): نوعی فرمت و فایل تصویری است که در علوم تصویربرداری پزشکی کاربرد فراوان دارد. تصاویر با فرمت دایکام، حاوی اطلاعاتی درباره بیمار، تصویر، رادیولوژیست و... می باشد. Epicardial Fat: قلب انسان در پریکاردیوم (یک کیسه فیبرسروز) قرار دارد که این کیسه دارای دو لایه بیرونی و درونی میباشد لایه درونی از دو لایه جداری و احشایی تشکیل شده است که در لایه احشایی، چربی اپیکاردیال قرار دارد. Mediastinal(Paracardial) Fat: چربی است که در سطح خارجی پریکاردیوم جداری قرار دارد (داخل مدیاستینوم). Coronary Artery Disease: نوعی بیماری فراگیر قلبی است. این بیماری قلبی در اثر اجتماع پلاکتها در عروق کرونری به وجود می آید. به این مشکل تصلب شرایین می گویند که موجب بسته شدن جریان خون می شود. عروق خونی که در ابتدا نرم و حالت کشسان دارند باریک و سفت می شوند و ورود جریان خون به قلب مسدود می شود. |
| ذینفعان نتایج طرح | ذینفعان این طرح در ابتدا افراد مبتلا به بیماری قلبی عروق کرونر می باشند که با تشخیص سریع و دقیق از گسترش بیماری جلوگیری می گردد (جلوگیری از آنژیوگرافی تهاجمی غیرضروری در آینده). همچنین با انجام این طرح، دیگر نیازی به صرف زمان زیاد جهت اندازه گیری دستی چربیهای قلب بر روی تصاویر CT ندارد و این کار با استفاده از الگوریتمهای تقسیم بندی به صورت خودکار انجام می شود. همچنین با توجه به اینکه چربی های قلب با عوامل مختلفی من جمله پرکاری دیاستولیک، سفتی شاهرگی، فیبریلاسیون دهلیزی، تصلب شریانی، بیماری های قلبی و عروقی، اختلالاتی مانند سندرم متابولیک، انفارکتوس میوکاردیال و... در ارتباط می باشد[1]، میتوان با طراحی یک ابزار برای اندازه گیری سریع حجم چربی های قلب از آن بعنوان یک نشانگر زیستی تصویری برای استفاده بالینی (پیش بینی بهتر وقایع قلبی) در مراکز تحقیقاتی و یا در مراکز تصویربرداری بیمارستان ها در قالب GUI (graphical user interface) استفاده نمود. همچنین با طراحی این ابزار میتوان با تشخیص سریع از روی حالت های چربی های قلب من جمله اپیکاردیال و احشایی با استفاده از روش های غیرتهاجمی از انجام آنژیوگرافی تهاجمی غیرضروری در آینده جلوگیری نمود. |
اطلاعات مجری و همکاران
| نام و نامخانوادگی | سمت در طرح |
|---|---|
| احمد کشتکار | استاد راهنمای اول (آموزشی ) |
| مهداد اسمعیلی | مشاور |
| علی کاظمی | دانشجوی مالک پایان نامه |
| بهروز خداداد | مشاور |
| ناصر اصلان آبادی | مشاور |
| سعید رشیدی | استاد راهنما دوم (آموزشی ) |
اطلاعات تفضیلی
| حوزه خبر | خبر |
|---|---|
| رسانه ها و مردم | عنوان خبر حجم چربی های اپیکاردیال و مدیاستینال قلب با بیماری قلبی عروق کرونر ارتباط دارد.متن خبر بافت های چربی قلب با عوامل خطرزای قلبی عروقی از جمله بیماری قلبی عروق کرونر در ارتباط هستند. مشکل روشهای تقسیمبندی دستی چربی های قلب، وابستگی بالای آنها به کاربر رایانه، نتایجی با تکرار پذیری پایین و آنالیزهای زمان بر است. در نتیجه تعیین خودکار چربیهای قلب میتواند به عنوان یکی از مهمترین اطلاعات در تصویربرداری پزشکی و طبقهبندی خطرات قلبی عروقی در نظر گرفته شود. در این مطالعه، یک روش خودکار برای تقسیمبندی بافتهای چربی قلب در تصاویر CT بدون تزریق ماده حاجب ارزیابی شده است و سپس بعد از محاسبه حجم چربی های قلب، ارتباط بین حجم چربیها و بیماری قلبی عروق کرونر با استفاده از الگوریتم های مهندسی با دقت بسیار مناسب و بالایی بررسی شده است که نتایج به دست آمده نشان می دهد که کم بودن حجم چربیهای قلب با افراد سالم مرتبط می باشند و زیاد بودن حجم چربیهای قلب با افراد بیمار عروق کرونر ارتباط دارند. در نتیجه میتوان از چربیهای قلب به عنوان یک نشانگر قابل اطمینان در پیشبینی میزان گرفتگی بیماری عروق کرونر استفاده نمود تا در آینده این امکان وجود داشته باشد که بتوان از آنژیوگرافی غیر ضروری جلوگیری نمود و از تزریق ماده حاجب نیز به بیماران تا حد امکان جلوگیری نمود. |
| متخصصان و پژوهشگران | عنوان خبر متن خبر |
| سیاستگذاران درمانی | عنوان خبر متن خبر |
| سیاستگذاران پژوهشی | عنوان خبر متن خبر |
| لینک (URL) مقاله انگلیسی مرتبط منتشر شده 1 |
