عنوان پایان‌نامه
مقایسه کشیدگی انتشاربر روی افراد سالم و بیمار
- رشته تحصیلی
- مهندسی برق- مهندسی پزشکی - بیوالکتریک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده برق و کامپیوتر شماره ثبت: E1864;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 48231;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 1864
- تاریخ دفاع
- ۱۱ اسفند ۱۳۸۹
- دانشجو
- آرمین ایرجی
- استاد راهنما
- حمید سلطانیان زاده, غلامعلی حسین زاده دهکردی
- چکیده
- تصویربرداری انتشار، یکی از روش‌های تصویربرداری تشدید مغناطیسی است که برای بررسی ساختار مغز، شناسایی بیماری‌ها و تعیین ارتباطات ساختاری مغز مورد استفاده قرار می‌گیرد. در اکثر مطالعات انجام شده با استفاده از تانسور انتشار میزان گوسی بودن انتشار را اندازه گیری می‌کنند. اما با توجه به پیچیدگی‌های بافت‌های مغز می‌توان نتیجه گرفت که انتشار در بافت مغز گوسی نیست. به علاوه بسیاری از بیماری¬های مربوط به بافت مغز، باعث تغییر در نحوه انتشار آب در بافت مغز می‌گردند. بنابراین روشی که بتواند میزان گوسی بودن و انحراف از آن را مشخص کند، می‌تواند معیار مناسبی برای بررسی تأثیر بیماری‌ها بر روی مغز انسان باشد. پارامتری که میزان انحراف از گوسی بودن را اندازه گیری می‌کند، کشیدگی نام دارد و متناسب با نسبت گشتاور چهارم میانگین به مربع واریانس می‌باشد. تصویربرداری کشیدگی انتشار روشی است که به کمک آن میزان کشیدگی در واکسل¬های مختلف اندازه گیری می¬شود. مطالعات مختلف نشان دهنده توانایی کشیدگی انتشار در شناسایی افراد بیمار بوده است. در همین راستا به بررسی توانایی کشیدگی انتشار در شناسایی بیماری ام.اس و سکته مغزی پرداختیم و نشان دادیم که کشیدگی نیز همانند پارامتر ضریب انتشار توانایی بالایی در شناسایی و تشخیص این بیماری ها دارد. به علاوه استفاده از تصویربرداری کشیدگی انتشار و بکارگیری مراتب بالاتر از مرتبه یک بسط تیلور باعث تمایز بیشتر ضریب انتشار ظاهری میان نواحی سالم و بیمار می¬گردد. بطور مثال اختلاف ضریب انتشار میان نواحی سالم و معیوب در مدل مرتبه اول بسط تیلور برابر 0.925 و برای مدل مرتبه دوم برابر 1.260می¬باشد. از سوی دیگر از آنجا که با افزایش گرادیان لزوم استفاده از ضرایب بالاتر بسط تیلور افزایش می‌یابد، به نظر می‌رسد که در تصویربرداری با گرادیان¬های مرسوم در محاسبه کشیدگی می‌بایست از مدل مرتبه سوم بسط تیلور بجای مدل مرتبه دوم، استفاده نمود. بنابراین در کنار نمایش توانایی کشیدگی در شناسایی بیماری، لزوم بهره گیری از ضریب مرتبه سوم بسط تیلور در گرادیان¬های مرسوم را از جنبه‌های مختلف مورد بررسی قرار می¬دهیم. در این راستا، با بیان لزوم انطباق دقیق مدل بر روی سیگنال شدت روشنایی به دلیل حساسیت بالای پارامتر کشیدگی، نشان می‌دهیم که در گرادیان¬های مرسوم مورد استفاده در تصویربرداری کشیدگی انتشار می‌بایست از مدل مرتبه سوم بسط تیلور استفاده کنیم. برای نشان دادن برتری مدل مرتبه سوم به بررسی تعمیم پذیری و حساسیت نسبت به نویز مدل¬ها می¬پردازیم و نشان می¬دهیم که کشیدگی استخراجی از مدل مرتبه سوم بسط تیلور همانند مدل مرتبه دوم آن توانایی بین افراد سالم و بیمار را دارد. کلمات کلیدی: تصویربرداری کشیدگی انتشار ، ضریب کشیدگی، ضریب انتشار، بسط تیلور ، ام.اس، سکته مغزی.
- Abstract
- Diffusion tensor imaging is a magnetic resonance imaging which has widespread usages from determining brain structural connections to diagnosing diseases. Diffusion tensor imaging may be used to measure the level of Gaussianity. However, diffusion may have deviations from Gaussianity owing to complexity of tissue. Besides, many neurologic diseases are associated with changes in the distribution of water in brain tissue. Therefore, a method for measuring the level of Gaussianity and its deviations can be valuable. In this thesis, we examine the ability of diffusion kurtosis in characterizing of multiple sclerosis and stroke. For this purpose, the mean diffusion coefficient and kurtosis diffusion in healthy and lesion regions of patients and selected regions of healthy subjects are measured. Since in conventional analysis of diffusion kurtosis imaging, the second order approximation of the Taylor expansion is used, we estimate the kurtosis diffusion and diffusion coefficient by means of this approximation. To compare between the apparent diffusion coefficient and apparent diffusion kurtosis, histograms of these parameters are plotted for all brain voxels and discrimination between histograms of healthy subjects and patients for each of the parameters is examined. Additionally, necessity of using the third order term of the Taylor expansion in the analysis of diffusion kurtosis imaging is examined. It is shown that the argument used to determine upper bound for using the second order expansion is incorrect. In order to compare second and third order models of Taylor expansion, generalization of each model is surveyed and their noise sensitivity examined. Moreover, ability of second and third order models for diagnosis of neurologic disorders are studied.
