تعیین عملکرد تشخیصی مرحله بندی تومور گلیوما بر پایه آنالیز رادیومیکس تصاویر ام آر آی
Determination Diagnostic characteristics of Glioma Grading using Radiomics Analysis of Brain Magnetic Resonance Images
مجریان: داود خضرلو , پیمان شیخ زاده
خلاصه روش اجرا: هدف از این مطالعه بهبود تمایز گرید پایین گلیوما از گرید بالای آن می باشد. در این مطالعه تصاویر ام آر آی از 40 بیمار مبتلا به گلیوما شامل 20 مورد گرید دو و 20 مورد گرید سه از پایگاه داده موسسه ملی سرطان امریکا (www.cancer.gov )دریافت خواهد شد. به همراه تصاویر موجود ، اطلاعات بالینی و پاتولوژی آنها نیز در این پایگاه داده وجود دارد که در این مطالعه مورد بررسی دقیق قرار خواهند گرفت. .در هر تصویر، حجم ناحیه تومورال توسط پزشک متخصص آنکولوژی رسم شده و به عنوان ناحیه ROI برای آنالیز و استخراج ویژگیهای مختلف انتخاب خواهد شد. سپس بوسیله نرم افزار متلب، اطلاعات کمّی ناحیه انتخاب شده مورد نظر شامل ویژگیهای برمبنای شدت یا هیستوگرام ،ویژگیهای بر مبنای شکل و بر مبنای هندسه سه بعدی ضایعه و درنهایت ویژگیهای مرتبط به texture ناحیه که خود شامل مجموعه ای از ویژگیها مانند: RLM ،GLCM می باشد از تصاویر استخراج خواهد شد. و درنهایت اطلاعات و ویژگیهای استخراج شده از تصویر با گرید بیماری مقایسه شده ، از لحاظ همبستگی تحلیل گشته و توانایی مجموعه ویژگیهای مذکور در تمایز بیماران گرید 2و3 موردارزیابی قرار خواهد گرفت.
اطلاعات کلی طرح 
| مرحله جاری طرح | خاتمه قرارداد و اجرا |
| کد طرح | 64454 |
| عنوان فارسی طرح | تعیین عملکرد تشخیصی مرحله بندی تومور گلیوما بر پایه آنالیز رادیومیکس تصاویر ام آر آی |
| عنوان لاتین طرح | Determination Diagnostic characteristics of Glioma Grading using Radiomics Analysis of Brain Magnetic Resonance Images |
| 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 | خیر |
| آیا طرح پایاننامه دانشجویی است؟ | بله |
| مقطع پایان نامه | کارشناسی ارشد |
| مدت اجرا - ماه | 12 |
| نوآوری و ضرورت انجام تحقیق | 1- یکی از چالشهای مهم در مرحله تشخیص بیماری گلیوما، تفکیک گرید پایین از گرید بالا از روی تصاویر ام آر آی می باشد. از آنجائیکه پروسه درمان بیماران گرید پایین از بالا بسیار متفاوت است لذا اگر بیماری که گرید پایین است ولی بطور اشتباه گرید بالا تشخیص داده شود، برای درمان وارد یک پروسه درمانی سنگین مانند شیمی درمانی و رادیوتراپی می شود که اثرات سوء زیادی بر فرد تحمیل می شود.بنابراین نوآوری این طرح کمک به پزشکان آنکولوژیست و رادیولوژیست برای تمایز دقیق گلیوما گرید بالا از پایین است. 2- هدف از مطالعه حاضر بررسی رادیومیکس تصاویر ام ار ای از منظر رادیوتراپی بوده و در هر تصویر حجم ناحیه انتخابی برای آنالیز رادیومیکس شامل کل نواحی توده ، نکروز و ادم است که به آن ناحیه Gross Tumor Volume (GTV) گفته می شود. در صورتیکه در مطالعات قبلی آنالیز رادیومیکس از روی سگمنتهای جداگانه سه ناحیه توده ، ادم و نکروز انجام شده اند . رسم جداگانه این سه ناحیه کار زمانبری است که از لحاظ عملی شاید مانع بزرگی باشد. |
| اهداف اختصاصی | تفکیک گرید پایین گلیوما ازگرید بالا بیماری از روی حجم GTV گلیوما با استفاده از پردازش کمّـی تصاویر ام آر آی مغزی |
| چکیده انگلیسی طرح | The aim of this study was to improve the differentiation of low grade glioma (grade2) from high grade glioma (grade3). In this study, MRI images will be obtained from 40 patients with glioma, including 20 cases of grade two and 20 cases of grade three from the National Cancer Institute database (www.cancer.gov). Along with the available images, clinical and pathological information is also available in this database, which will be closely examined in this study. In each image, the tumor area is plotted by an oncologist and selected as the ROI area for the analysis and extraction of various features. Then, by MATLAB software, the quantitative information of the selected area is quantified by intensity or histogram based features, shape-based features and three-dimensional geometry based on the lesion, and finally texture-related features that include a set of features such as: RLM, GLCM The images will be extracted. Finally, the information and features extracted from the image are compared with the grade, correlated with the analysis, and the ability of the set of features mentioned in Grade 2 and 3 patients to be evaluated. |
| کلمات کلیدی | گلیوما: شایع ترین تومور اولیه مغزی با منشا سلول های گلیال گرید گلیوما: درجه بندی تومورهای گلیوما بر اساس شدت بدخیمی با توجه به گزارش سازمان جهانی بهداشت(WHO) هتروژنیتی گلیوما : وجود فنوتیپ های متفاوت درون و اطراف بافت تومورال گلیوما از روی تصویر ام آر آی: متد تصویربرداری از اندام های مختلف بدن با استفاده از تشدید مغناطیسی پروتون های هسته رادیومیکس: فرآیند استخراج ویژگی های کمّی از تصاویر پزشکی با استفاده از الگوریتم های ریاضیاتی متعدد GTV : حجم اصلی توده از منظر رادیوتراپی (Gross tumor Volume) |
| ذینفعان نتایج طرح | بیماران: تشخیص دقیق مرحله بیماری باعث طراحی یک الگوی درمانی و Follow-up دقیق برای بیمار شده کیفیت زندگی وی را بهبود می بخشد. نیازی به آزمایشات و تصویربرداری های دیگر که زمان و هزینه زیادی سربار بیمار میکند نخواهد بود. پزشکان: با اطمینان از تشخیص دقیق میتوانند الگوی مناسب درمان را در کمترین زمان برای بیمار خود طراحی نمایند. |
اطلاعات مجری و همکاران
| نام و نامخانوادگی | سمت در طرح |
|---|---|
| داود خضرلو | استاد راهنمای اول (آموزشی ) |
| محمد محمدزاده | مشاور |
| یونس سلیمانی کیچی قلعه سی | دانشجوی مالک پایان نامه |
| پیمان شیخ زاده | استاد راهنما دوم (آموزشی ) |
اطلاعات تفضیلی
| حوزه خبر | خبر |
|---|---|
| رسانه ها و مردم | عنوان خبر متن خبر |
| متخصصان و پژوهشگران | عنوان خبر آنالیز تصاویر ام آر ای بیماران مبتلا به گلیوما با استفاده از روش پردازش رادیومیکس، میتواند به تشخیص صحیح درجه بندی گلیوما کمک کند.متن خبر یکی از مهمترین چالشها در تشخیص گلیوما، تمایز تومورهای درجه پایین از درجه بالا است. طبقه بندی گروه های بیمار از نظر درجه بندی بیماری می تواند به طور قابل توجهی بر روند تشخیص، درمان و پیگیری تأثیر بگذارد. در این مطالعه تصاویر تشدید مغناطیسی (ام آر آی) بیماران گلیوما با گرید 2 و 3 با استفاده از یک روش مبتی بر پردازش تصویر به نام" آنالیز رادیومیکس" بهمراه یادگیری ماشین آنالیز شدند. رادیومیکس یک روش آنالیز الگوی پیکسلهای تصاویر براساس الگوریتمهای ریاضی و آمار می باشد.
نتایج این تحقیق نشان داد که برخی فیچرهای رادیومیکس میتوانند درجه بندی گلیوما را با دقت و صحت قابل قبولی پیش بینی نمایند.
رادیومیکس و یادیگیری ماشین می تواند مکمل یا جایگزین بیوپسی تومور باشد و نشانگرهای پیش آگهی جدیدی برای بیماران گلیوما در آینده نزدیک ایجاد کند. |
| سیاستگذاران درمانی | عنوان خبر متن خبر |
| سیاستگذاران پژوهشی | عنوان خبر متن خبر |
| لینک (URL) مقاله انگلیسی مرتبط منتشر شده 1 |
