اندازه‌گیری راکتیوتیه عروقی (مقاله رایگان pdf)

چکیده
هدف: MRI عملکردی (fMRI) قبل از عمل جراحی با پاسخ خاموش BOLD ناشی از راکتیویته عروقی غیرنرمال و جداشدگی عصبی عروقی مجاور تومورهای بدخیم مغزی محدوده شده است. با استفاده از حبس کردن نفس و ادغام این داده‌ها در تحلیل BOLD رفع این محدودیت و شناسایی دقیق‌تر مناطق سخنوری مجاور تومورهای مغزی با ارزیابی و بررسی مستقل راکتیویته عروقی پیشنهاد می‌کنیم. 
روش‌کار:  راکتیویته موضعی عروقی با استفاده از الگوی حبس کردن تنفس با زمان یکسان به عنوان موتور عملکردی و وظایف زبانی در  16 نفر از بیماران (9 بیمار گلیوبلاستوما،1 آستروسیتومای اناپلاستیک، 5 مورد آستروسیتومای درجه پایین و 1 بیمار متاستاز) مشخص شد. یک مدل مبتنی بر انسجام را برای تحلیل BOLD fMRI ایجاد کردیم که همودینامیک‌های تغییر یافته در مجاورت تومورهای مغزی را در نظر گرفته است.

یافته‌ها:  نقشه‌های فعالسازی با استفاده از مدل انسجام بدست آمدند شباهت کلی به نقشه‌های فعالسازی استاندارد داشتند. با این حال نقشه‌های انسجام مناطق خیلی مهمی از فعالسازی را نشان دادند که با استفاده از روش استاندارد در روش 16/12 مورد دیده نمی‌شود. این نقشه‌ها شامل مکان مناطق زبان در مجاورت تومورهای مغزی بودند که یافته‌های روش انسجام با تحریک مستقیم قشری حین عمل جراحی تأیید شدند. بهبود نقشه‌های پاسخ وظیفه براساس تصویربرداری راکتیویته عروقی  از لحاظ آناتومیکی فعال‌سازی دقیق‌تر و قویتر بویژه در مجاورت تومورها را در مقایسه با نقشه‌های به دست آمده از اطلاعات راکتیویته عروقی نشان داد.

نتیجه‌گیری:  نتایج اولیه بدست آمده اصلی را نشان می‌دهد جداشدگی عصبی عروقی که اثر آن بر صحت BOLD fMRI در مجاورت تومورهای مغزی شناخته شده است، حداقل تا حدی امکان دارد با ترکیب یک اندازه‌گیری مستقل از راکتیویته عروقی در تجزیه و تحلیل BOLD برطرف شود. 

واکنش ‌پذیری مغز و اعصاب (مقاله رایگان pdf)

هدف: i- تصدیق نقشه‌برداری واکنش‌پذیری مغز و اعصاب نفس‌گیری (BHCVR) میزان وابستگی اکسیژن زنی خون (BOLD) به‌عنوان روشی مؤثر برای شناسایی عصب عروقی جفت نشده (NVU) در گروهی از بیماران با گلیومای درجه پایین پریرولاندیک تحت MRI عملیاتی پیشگیرانه برای نقشه‌برداری حسگر محرک و ii- تشخیص این موضوع که پتانسیل NVU (که توسط نقشه‌برداری BH CVR ارزیابی‌شده) در این گروه توموری شایع است یا خیر.

مواد و روش‌ها: به صورتی بازنگرانه 12 بیمار را مورد ارزیابی قراردادیم که علائم بافتی گلیومای درجه 2 داشتند و چندین کار محرک و یک کار BH انجام داده‌اند. نقشه‌های فعال‌سازی حسگر محرک و BH CVR در دو حوزه موردتوجه (ROIs) مقایسه شده‌اند. این دو حوزه (هم سو با زخم، ipsilesional، و در طرف مقابل زخم، contralesional) به‌صورت خودکار تعریف‌شده‌اند.

نتایج: میانگین مقدار T در کار محرک به صورتی چشمگیر در RIO طرف مقابل زخم بالاتر بود. این موضوع در میانگین مقدار T BH نیز برقرار بوده است. تعداد واکسل های فعال به صورتی چشمگیر در ROI طرف مقابل زخم بیشتر بوده است. رواج NVU واقعی 75% بوده است.

نتیجه‌گیری: نقشه‌برداری FMRI حسگر محرک جراحی پیشگیرانه در گلیومای درجه پایین می‌تواند تحت تأثیر فعال‌سازی اشتباه نگاتیو مرتبط با NVU قرار گیرد (76% در کارهای تحلیل‌شده).

پروتزهای میوالکتریک (مقاله رایگان pdf)

چکیده

          ثابت شده است که ارزیابی نیرویی از الکترومیوگرام ( EMG) عاملی مهم در به دست آوردن کنترل نسبی برای دستگاه های میوالکتریک است. به نظر میرسد هم افزایی عضلات، مرتبط با ارزیابی نیرو است زیرا آن ها الگو هایی از فعالیت های هماهنگ عضلات در طول فعالیت هستند. این مطالعه، استفاده از هم افزایی عضلات که از EMG سطحی هدف دار به دست آمده است را، برای بررسی نیرو ها در طول درجات مختلف (Dof) آزادی انقباضات، شامل مچ و دست، بررسی میکند. برای این هدف، هم افزایی عضلات  از 12 عضله جلوی بازو از 8 فرد دارای جسم توانا، استخراج شد. نیروی ایزوتونیک محدود تولید شده توسط مچ و دست در طول این انقباضات، در طول محور های گوناگون ثبت شد، که هر کدام مسئول یک Dof بودند. سپس ورودی های عصبی به دست آمده در یک شبکه عصبی مصنوعی فراهم آمدند (ANN) تا نیرو را تخمین بزنند. نتایج به دست آمده از هم افزایی عضلات نسبت به نتایج به دست آمده از مقادیر مطلق میانگین (MAV) ، برای تخمین نیرو، ارزیابی شدند. هم افزایی عضلات به طور مشهودی (P<0.05) بهتر از MAV در تخمین نیرو ها بودند هنگامی که با انقباضات 1-DoF و 2-DoF (p=0.02) و همچنین با تمرینات شامل قفط انقباضات 1-DoF تمرین میکردند.(p=0.001) موضوع بعدی، مهم بود، زیرا پروتکل های تمرینی که شامل تمام انقباضات مطلوب 2-DoF هستند، برای استفاده کنندگان قطع عضو شده، بسیار سخت است. این موضوع جایی است که هم نیرو زادی ، واقعا یک فایده بیش از MAVرا نشان داد، زیرا نتایج بسیار بهبود یافته بود.به علاوه، تنومندی هم نیرو زایی عضلات هم بر روی سطوح مختلف نیرویی مورد ارزیابی قرار گرفت. نتایج نشان دهنده این است که هم نیرو زایی عضلات، قوی هستند و در تخمین نیرویی کار های DoF ، قابل اعتماد هستند، که یک روش برنامه ای برای کنترل نسبی پروتز ها را پیشنهاد میکند.

کالیبراسیون BOLD fMRI (مقاله رایگان pdf)

چکیده 

        تناسب پاسخ وابسته به سطح اکسیژن خون (BOLD)، در طول یک وظیفه‌ی شناختی و از یک چالش هایپرکپنیک  (افزایش اکسید کربن در خون)، در ساختارهای قشری درگیر در حافظه‌ی کاری (WM) بررسی شده است. نگه داشتن نفس (BH) بعد از تنفس برای القای یک پاسخ BOLD که مشخصه‌ی فعالیت اعصاب محرک رگ‌های منطقه‌ای اما اجتناب از تغییرات متابولیکی است، استفاده می‌شود. اثرات BOLD که در طول BH اندازه گیری می‌شود برای نرمال کردن فعال سازی افراد در طول WM استفاده می‌شود، که به صورت موثری تأثیر گیج کننده‌ی اختلافات مختص فرد و منطقه در پاسخ گویی همودینامیک رایج در هر دو کار را کاهش می‌دهد. در مطالعه‌ای از هفت فرد، کالیبراسیون BH، تغییر پذیری بین فردی در دامنه‌ی اثر WM را به اندازه‌ی ۸/۲۴٪ کاهش می‌دهد (P < 0/03). کاهش تغییر پذیری بین فردی منجر به افزایش ۷.۲۳٪ در اهمیت اندازه‌ی وکسل فعال سازی گروه WM در P < 0.001 ، با افزایش بیشتر در استانه های دقیق‌تر می‌شود. به دلیل اینکه کار BH نیاز به استنشاق CO2 یا دیگر دستکاری های تهاجمی ندارد و به میزان زیادی در سراسر نواحی قشری قابل انجام است، روش پیشنهادی برای اجرا ساده است و نه تنها ممکن است برای استفاده در انالیزهای کمی گروه fMRI مفید باشد، بلکه همچنین برای مطالعات چند مرکزی و طولی نیز مفید است. 

روش های یادگیری عمیق (مقاله رایگان pdf)

چکیده

            قطعه بندی تومور مغزی یکی از کارهای مهم  در زمینه ی پردازش تصویر پزشکی است. تشخیص زودهنگام تومورهای مغزی دراحتمال بهبود با درمان و افزایش نرخ زنده ماندن بیماران نقش مهمی ایفا می کند. قطع بندی تومورهای مغزی برای تشخیص سرطان به صورت دستی (توسط انسان)، از میان تعداد زیادی از تصاویر MRI تولید شده در روتین های پزشکی کاری دشوار و وقتگیر است. یک نیاز اساسی برای قطعه بندی تصویر تومور مغزی به صورت خودکار وجود دارد. هدف از این مقاله، ارائه ی یک بررسی بر روی روش های قطعه بندی تصویر تومور مغزی مبتنی بر MRI است. به تازگی، استفاده از روشهای یادگیری عمیق برای قطعه بندی خودکار محبوبیت پیدا کرده اند، چرا که این روش ها به نتایج پیشرفته و جدیدی دست می یابند و می توانند بهتر از روش های دیگر به این مسئله رسیدگی کنند. روش های یادگیری عمیق همچنین می توانند پردازش کارآمد را فعال کنند و ارزیابی قابل مشاهده و هدفمندی از حجم عظیمی از داده های تصویری مبتنی بر MRI را ممکن سازند. تعدادی از مقالات بررسی (review) وجود دارند که بر روش های قدیمی(سنتی) برای قطعه بندی تصویر تومور مغزی مبتنی بر MRI تمرکز کرده اند. ولی برخلاف دیگران، ما در این مقاله بر روی  روند اخیر روش های یادگیری عمیق در این زمینه تمرکز می کنیم. ابتدا، معرفی تومورهای مغزی و روش هایی برای قطعه بندی تومور مغزی داده می شوند. سپس، الگوریتم های جدید با تمرکز بر روی روند اخیر روش های یادگیری عمیق مورد بررسی قرار می گیرند. در نهایت، یک ارزیابی از وضعیت فعلی ارائه شده و پیشرفت‌های آینده جهت استانداردسازی روش های قطعه بندی تومور مغزی مبتنی بر MRI در روتین های روزانه ی پزشکی در نظر گرفته شوند. 

موجک چهارگانه (مقاله رایگان pdf)

چکیده

          در این مقاله، ما یک الگوریتم تصویربرداری جدید با میدان دید گسترده (EFOV) مبتنی بر ویژگی تخمین حرکت را در حوزه موجک چهارگانه (QWD) برای تصاویر فراصوتی پیشنهاد نموده ایم. در مرحله اول، از حوزه فضایی، فریم های ویدئویی فراصوتی را به QWD تبدیل می کنیم، و نتیجه متشکل از یک دامنه و سه فاز می شود. در مرحله دوم، از دو فاز برای تخمین حرکت دنباله تصویر به دست آمده از قضیه شیفت استفاده می نماییم. ما می توانیم بردارهای حرکت را از طریق تخمین حرکت، و تصاویر ثبت شده را از طریق تبدیل تکراری (تخصیص مقادیر متناهی به کمیت های متناهی) بردارهای حرکت به دست آوریم. ثالثا، از فاز سوم با دامنه برای ترکیب تصاویر ثبت شده استفاده می نماییم. در نهایت، تصویر منظره ای فراصوتی با استفاده از ترکیب تصاویر ثبت شده به دست می آید. در نهایت، آزمایش هایی به منظور بررسی عملکرد الگوریتم پیشنهادی انجام می شوند. 

تشخیص تشنج نوزاد(مقاله رایگان pdf)

چکیده

       اپراتورهای بالینی در یکی از سخت ترین زمینه های مراقبت های بهداشتی، یعنی مغز و اعصاب نوزادان، باید به صورت روزانه، حملات صرعی را تشخیص دهند. بسیاری از نوزادان مبتلا به بیماری ها در هنگام تولد در معرض خطر تشنجات نوزادی قرار دارند که شایع ترین نشانه اختلالات حاد عصبی است و باید فورا و با دقت به منظور درمان به موقع شناخته شود. روش های تشخیصی سنتی مبتنی بر نظارت ElectroEncephaloGraphic (EEG). با این حال، تجزیه و تحلیل EEG نوزادان، یک روش بسیار تخصصی و وقت گیر است و به مهارت های خاصی نیاز دارد که همیشه به راحتی در بخش های مراقبت ویژه نوزادان (NICUs) در دسترس نیستند. بنابراین، روش های تشخیصی غیر تهاجمی، زمان واقعی، خودکار، کم هزینه، گسترده و تجهیزات توانمند در شناخت قابل اعتماد تشنجات نوزادی، از ارزش قابل توجهی در NICUs برخوردار می باشند.

این مقاله در نشریه ELCVIA منتشر شده و ترجمه آن با عنوان تشخیص تشنج نوزاد  در سایت ای ترجمه به صورت رایگان قابل دانلود می باشد. جهت دانلود رایگان مقاله فارسی و انگلیسی روی عنوان فارسی (آبی رنگ) کلیک نمایید.
منبع:

Monitoring and Diagnosing Neonatal Seizures by Video Signal Processing

تومورهای مغزی (مقاله رایگان pdf)

        مکانیسم جفت شدن شلیک نورونی و انبساط مغزی عروقی می‌تواند به صورت معناداری در بیماری‌های مغزی با یکدیگر تلاقی شود که این تشخیص مناطق قشری نزدیک یا درون ضایعات قابل‌برداشت را با استفاده ازfMRI وابسته به سطح اکسیژن خون دچار مشکل می‌کند. چندین فاکتور متابولیک و عروقی برای توصیف این جداسازی عصبی و عروقی القاء شده توسط ضایعه مدنظر قرارگرفته‌اند، اما فعلاً هیچ استاندارد تصویربرداری برای کشف NUV وجود ندارد. در هر، در مطالعات ام آر آی بالینی این ضروری است که خطر NUV مورد ارزیابی قرار گیرد زیرا حضور NUV ممکن است منجر به فعال‌سازی منفی کاذب شود که خود منجر به برش سهوی کورتکس eloquent و کمبود نورولوژیک دائمی بعد از عمل خواهد شد. اگرچه NUV از قطع یک یا چند جزء از آبشار جفت کننده عصبی و عروقی پیچیده سلولی و شیمیایی (NCC) ناشی می‌شود، تصویربرداری MR تنها قادر است که مرحله نهایی را در این NCC که شامل پاسخ مغزی_ عروقی نهایی است را ارزیابی کند. از آنجایی که هر چیزی که واکنش مغزی_ عروقی را دچار اختلال کند الزاماً منجر به NVU خواهد شد، صرف‌نظر از تأثیر آن در NCC، ما می‌توانیم ترسیم CVR را به عنوان نشانگری که نماینده‌ای از پتانسیل NVU است در نظر بگیریم. ما فرض کردیم که ترسیم BOLD CVR که با نگه داشتن تنفس همراه است می‌تواند نشانگر بهتری از پتانسیل NVU نسبت به قابلیت دینامیک T₂ تصویربرداری MR پرفیوژن گادولینیوم کنتراست باشد. زیرا دومی با این عنوان شناخته می شود که تنها خطر NVU مرتبط با درجه بالایی از غده مغزی را با مشخص کردن حجم خون مغزی بالا و جریان خون مغزی مرتبط با رگ زایی تومور را منعکس می کند. در هر حال از آنجایی که درجه پایین و متوسط غده های مغزی با چنین هایپرپرفیوژن های تومورال مرتبط نیستند، ترسیم کردن BOLD BH CVR ممکن است قادر به کشف چنین پتانسیل های NVU حتی در گلوماهای با درجه پایین بدون رگ زایی باشدکه نشانه ای از غده گلیایی است. در هر حال، مشخص شده است که غدد گلیایی با NVU متغییری در ارتباط هستند زیرا رگ زایی ممکن است همیشه منجر به NVU نشود. متریک های پرفیوزن که توسط تصویر برداری MR پرفیوژن گادولینیوم T₂ به دست آمده اند با درصد BOLD از تغییر سیگنال در طرح های BH CVR در یک گروه از 19 بیمار با تومورمغزی درون جمجمه ای با میزان و ماهیت متفاوت مقایسه شدند. ماکسیمم پیکسل مجزای rCVB  و rCBF  در مناطق holotumoral مورد توجه به صورت مشابه نیمکره ای  متمرکز بافت نرمال عادی سازی شدند. علاوه بر این، تغییر سیگنال درصد درطرح های BH CVR در درون ipsilesion ROI به صورت تغییر سیگنال درصددر درون ROI مشابه contralesional عادی سازی شدند. رابطه خطی معکوسی بینrCBF  یاrCVB  عادی و تغییر سیگنال درصد CVR عادی شده در ضایعات درجه چهار یافت شد. در ضایعات درجه سه یک جریان خطی کم شیب تر دیده شد که از اهمیت آماری کمی برخوردار بود، در حالی که هیچ رابطه ای در گروه درجه دو دیده نشد. تفاوت های آماری معناداری برای rflow  وrvol در بین گروههای درجه دو و درجه چهار و بین گروههای درجه سه و درجه چهار و نه برای rCVR  موجود بود. rCVR در هر گروه کمتر از یک بود. نتایج ما نشان داد که در حالی که طرح های پرفیوژن T₂MR و طرح های CVR برای ترسیم مناطق تومورال در معرض خطر NVU در گلوماهای با درجه بالا کافی هستند. طرح های CVR  می توانند مناطقی که CVR در آنها کاهش یافته را در گلوماهای با درجه پایین و متوسط کشف کنندکه در آنهاNVU  ممکن است با فاکتورهای دیگری به غیر از نئوواسکولاریزه توموری ایجاد شده باشد. مقایسه مناطقی که در آنها CVR به صورت غیر عادی کاهش یافته است با مناطق فاقد فعل سازی BOLD مبتنی بر وظیفه در نواحی قشری مورد انتظار که تومورها در آن نفوذ کرده اند یا مجاور تومور هستند 95% تطابق را آشکار کرد که این توانایی ترسیم BH CVR را برای نشان دادن مناطق NVU اثبات می کند.

عکسبرداری عروق‌ مغزی (مقاله رایگان pdf)

چکیده

خلاصه: این مقاله مروری روش‌شناسی عکسبرداری راکتیویتی عروق مغزی نفس نگهداشتن را از نظرکسب و  تحلیل توضیح می‌دهد و کاربردهای این روش در عکسبرداری قبل جراحی مخصوصاٌ با توجه به سطح اکسیژن خون وابسته به fMRI را بررسی می‌کند. اصلی‌ترین کاربردش در fMRI بالینی، برای ارزیابی پتانسیل غیرجفت‌شدگی مغزی‌عروقی می‌باشد. غیرجفت‌شدگی مغزی‌عروقی بصورت بالقوه یک محدودیت عمدهء fMRI بالینی، مخصوصاً در حالت ضایعات توده‌ای مغز مانند تومورهای مغزی و بدشکلی‌های عروق داخل مغزی است که با ناهنجاری‌هایی در همودینامیک موضعی هم در حالت اکتسابی یا مادرزادی همراه هستند. همین‌طور، بازنمایی نفس‌نگهداشتن راکتیویتی عروق‌مغزی یک جز ضروری از تحلیل کنترل کیفی fMRI تشکیل می‌دهد مخصوصاً وقتی که برای بازنمایی قبل جراحی قشر سخنوری اجرا شود. همچنین چالش‌های کربن دی‌اکسید مصنوعی  مورد استفاده در بازنمایی راکتیویتی عروق مغزی مورد بحث قرار خواهد گرفت و کاربردهایش در ارزیابی ذخیره عروق مغزی و بیماری عروق مغزی توصیف خواهد شد. 

قطعه بندی تصویر پزشکی (مقاله رایگان pdf)

چکیده

        قطعه بندی تصویر نقشی حیاتی در بسیاری ار کاربردهای تصویربرداری پزشکی دارد. در این مقاله، الگوریتمی جدبد برای قطعه بندی فازیِ داده ی تصویربرداری با تشدید مغناطیسی (MRI) مطرح می کنیم. این الگوریتم با تغییر دادن تابع هدف در الگوریتم میانگین C فازی مرسوم شناخته می شود. لازم به ذکر است که این تغییر با استفاده از مقیاس فاصله ی ناشی از هسته و جریمه ی فضایی در توابع عضویت انجام داده شده است. اولا، فاصله ی اقلیدسی اصلی در FCM با یک فاصله ی ناشی از هسته جایگزین می شود و از این رو الگوریتم های متناظر استنتاج می شوند و الگوریتم میانگین C فازی متمرک شده (KFCM) نامیده می شوند. نشان داده شده است که KFCM مقاوم تر از FCM است. در ادامه یک جریمه ی فضایی به تابع هدف در KFCM اضافه می شود. این کار به منظور جبران سازی برای ناهمگنی های شدتِ تصویر MR  و ایجاد امکان برچسب زنی به یک پیکسل که تحت تاثیر همسایه هایش قرار گرفته، می باشد. عبارت جریمه به عنوان یک تنظیم کننده عمل می کند و دارای ضریبی در محدوده ی صفر تا یک می باشد نتایج تجربی روی هر دو تصویر MR واقعی و مصنوعی نشان دادند که الگوریتم های مطرح شده، در زمانی که نویز و دیگر مصنوعات وجود داشته باشند، در مقایسه با الگوریتم های استاندارد عملکرد بهتری دارند.