عنوان پایان‌نامه
تخمین تغییر شکل مغز در اثر باز کردن جمجمه
- رشته تحصیلی
- مهندسی برق- مهندسی پزشکی - بیوالکتریک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده برق و کامپیوتر شماره ثبت: 1399;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 37272
- تاریخ دفاع
- ۳۰ بهمن ۱۳۸۶
- دانشجو
- هاجر حمیدیان
- استاد راهنما
- حمید سلطانیان زاده, رضا فرجی دانا
- چکیده
- به طور کلی به علت نرم بودن بافت مغز، در حین عمل جراحی با باز شدن جمجه وتغییر فشار، بافت مغز تغییر شکل می‌یابد. در واقع بعد از باز شدن جمجه مایع مغزی نخاعی از آن خارج می‌شود و فشار ناشی از آن بر روی بافت مغز کاهش می‌یابد. این پدیده باعث تغییر شکل مغز می‌شود. بنابراین به علت تغییر شکل مغز تصاویر گرفته شده قبل از عمل دیگر قابل استفاده نبوده و تغییر شکل ایجاد شده در مغز باعث می‌شود که اگر جراح بخواهد بافت خاصی مثل تومور را بردارد نمی‌تواند مکان دقیق آن را مشخص نماید. یکی از روشهای تعیین این تغییر شکل تصویربرداری در حین عمل می‌باشد. با استفاده از این روش تصاویر با دقت خیلی کمتر از تصاویر قبل از عمل بدست می‌آید، بنابراین با استفاده از روشهایی در کنار این روش خطای ناشی از تصویربرداری را می‌توان کاهش داد. در این پایان‌نامه تغییر شکل مغز بعد از باز شدن جمجمه با استفاده از مدلهای اجزاء محدود تخمین زده می‌شود. برای رسیدن به این هدف دو مدل خطی: مکانیکی و الاستیک و یک مدل غیرخطی مورد استفاده قرار گرفته است. برای این کار از شش دسته تصویر که در حین عمل و قبل از عمل گرفته شده است استفاده شده، پزشک متخصص رادیولوژی نقاط متناظر بر روی تصاویر منطبق شده در حین و قبل از عمل را برای هر بیمار انتخاب کرده، تا در تعیین مدلها و مقایسه آنها مورد استفاده قرار گیرد. در این راستا مش‌بندی چهاروجهی و شرایط مرزی برای مدلها تعیین شده و به علت یکسان نبودن پارامترهای مدلهای اجزاء محدود برای هر بیمار، این پارامترها برای هر دسته از داده‌ها بهینه شده‌اند. این بهینه‌سازی توسط کمینه کردن فاصله نقاط تعیین شده در تصاویر در حین عمل و نقاط متناظر ناشی از پیاده‌سازی مدلها انجام می‌شود. خطای ناشی از نقاطی که در مراحل بهینه سازی استفاده نشده اند برای مقایسه مدلهای بیان شده و ارزیابی نتایج بدست آمده مورد استفاده قرار گرفته است. روش پیشنهادی بر روی داده‌های شبیه‌سازی و داده‌های واقعی اعمال شده است. نتایج نشان می‌دهند که مدل غیر خطی از مدل خطی مکانیکی و این مدل از مدل الاستیک نتایج بهتری را ارائه می‌نمایند. به طور مثال میانگین خطا در مدل غیر خطی و خطی مکانیکی و خطی الاستیک در یک نمونه از پیاده‌سازی‌ها بر روی داده یک بیمار برابر با 0.8، 1.2 و 1.8 میلی‌متر در راستای x ، 1.1، 1.2 و 1.4 میلی‌متر در راستای y و0.133، 0.369 و 0.544 میلی‌متر در راستای z می‌باشد. اما با توجه به زمان‌بر بودن مدل غیرخطی و نزدیک بودن نتایج مدل خطی مکانیکی و مدل غیرخطی، مدل خطی مکانیکی مناسب‌تر به نظر می‌رسد. به طور مثال زمان پیاده‌سازی مدل ها بر روی داده‌های یکی از بیماران برای مدل خطی الاستیک 13 ساعت، مدل خطی مکانیکی 34 ساعت و مدل غیرخطی 215 ساعت می‌باشد. از این روش می‌توان برای تخمین تغییر شکل بافت مغز بدون تصویربرداری از کل ساعت می‌باشد. از این روش می‌توان برای تخمین تغییر شکل بافت مغز بدون تصویربرداری از کل مغز در حین عمل و با استفاده از جابجایی تعداد محدودی نقطه استفاده کرد.
- Abstract
- Abstract This thesis addresses estimation of brain deformation during craniotomy using finite element modeling. Three mechanical models are optimized and compared for this purpose: linear solid-mechanic model, linear elastic model, and nonlinear model. Both linear models assume the realistic finite deformation of the brain after opening the skull and nonlinear model assumes large deformation. We use pre-operative and intra-operative magnetic resonance images (MRI) of six patients undergoing brain tumor surgery. Anatomical landmarks are identified by an expert radiologist on MRI and used for the method development and comparison studies. We use tetrahedral finite element meshes and optimize model parameters by minimizing the mean distance between the predicted locations of the anatomical landmarks using the pre-operative images and their actual locations on the intra-operative images. Evaluation of the objective function using a second set of landmarks not used in the optimization process suggests that accuracy of nonlinear model is higher than the solid mechanic model and solid mechanic model is higher than the elastic model for our application. For example in the implementation of our models on a case, the errors in the x direction for nonlinear, solid mechanic, and elastic models are 0.8mm, 1.2mm, and 1.8mm, respectively. These errors for y direction are 1.1mm, 1.2mm, and 1.4mm and for the z direction are 0.133mm, 0.369mm, and 0.544mm. It must be considered that the speed of implementing the linear elastic model is half of the linear solid model and the speed of linear solid mechanic model is six times of the nonlinear model. For instance the speed of implementation in one case for the nonlinear model, linear mechanical model, and linear elastic model are 215, 34, and 13 hours, respectively. Accuracy of the results of the mechanical model is similar to the nonlinear model. Therefore, the linear solid mechanic model is most appropriate because of its speed and its results. Visual inspection of the results confirms this conclusion. The proposed method along with the location information of the surface landmarks measured in the operation room and marked on the pre-operative images can be used to estimate the brain deformations without using intra-operative images. In this case, since the parameters of the brain tissue are not the same for different patients, the proposed optimization process is crucial for obtaining accurate results.
