تصویربرداری In Vivo CEST MR از رگزایی تومور مغزی موش U87 با استفاده از ماده کنتراست هدفمند LipoCEST در 7 T

In Vivo CEST MR Imaging of U87 Mice Brain Tumor Angiogenesis Using Targeted LipoCEST Contrast Agent at 7 T

روش ها
کشت های سلولی و مدل حیوانی
معرف های همسنجی LipoCEST
دریافت MRI
پردازش داده
بافت شناسی و میکروسکوپ فلورسنس
نتایج
تعیین خصوصیات LipoCEST و همسنجی MT
تشخیص in vivo در LipoCEST
حساسیت سیگنال LipoCEST در محیط In vivo
دوام و اختصاصیت سیگنال lipoCEST در محیط in vivo
جمع شدن RGD-LipoCEST و αvβ3 در تومورهای مغزی
بحث
نتیجه گیری
منابع

LipoCEST معرف های همسنجی پارامغناطیس پوشیده شده-لیپوزوم (CA) بر پایه انتقال اشباع تبادل شیمیایی هستند که در MRI مولکول های زیستی کاربرد دارد. ویژگی های جذاب آن ها شامل قابلیت سازگاری زیستی، حساسیت زیرنانومولار و امکان عمل روی بیومارکرهای هدف است. ما تصویربرداری MR را با استفاده از lipoCEST هدف که به صورت داخل وریدی تزریق می شد، نشان دادیم. یک lipoCEST کمپلکس های Tm(III را حمل می-کند که با تری پپتید RGD (RGD-lipoCEST) کونژوکه می شود تا پذیرنده های αvβ3 را که در رگزایی تومور دخالت دارند را هدف قرار دهد و با یک lipoCEST غیرکونژوکه مقایسه شود. تومورهای مغزی موش های آزمایشگاهی فاقد غده تیموس بودند و از طریق تزریق داخل مغزی سلول های U87MG انجام شد و در 7 T بعد از تزریق داخل وریدی دو عامل متقابل تصویربرداری صورت گرفت (n=12 برای هر گروه). تبادل اشباع شیمیایی توالی انتقال MSME طی دو ساعت با میانگین فواصل زمانی دریافت 13.5 دقیقه انجام شد. سیگنال انتقال اشباع تبادل شیمیایی در تومور و نواحی جانبی حدود 1% بود، و پس از 2 ساعت به حدود 0.3% کاهش یافت. در حالی که سیگنال RGD-lipoCEST در ناحیه تومور حدود 1.4 % بود و حدود 2 ساعت دوام داشت. رنگ آمیزی  هیستوشیمیایی نشاندهنده یک تجمع RGD-lipoCEST با پذیرنده های αvβ3 در ناحیه تومور است. این نتایج اساس گامی دلگرم کننده به سمت تصویربرداری MRI درون سلولی از رگزایی تومور با استفاده از تزریق داخل وریدی lipoCEST است.

روش ها
کشت های سلولی و مدل حیوانی
همه آزمایش ها بر اساس قواعد سختگیرانه توصیه شده در انجمن اروپایی (609/86) و انجمن ملی فرانسه (848/87) برای مراقبت و استفاده از حیوانات آزمایشگاهی انجام شدند. رده سلولی گلیوما بدخیم در انسان، U87MG از ATCC خریداری شد (Rockville, MD) و در مکمل تعدیل شده Dulbecco در Eagle حاوی سرم جنین گاوی 10% ، گلوتامین 1% و گلوتامیسین 1% کشت شد. کشت ها در محیط کنترل شده با دمای 37 درجه سانتی گراد یا 5% CO2 انکوبه شدند و دو یا سه باردر هفته از آن عبور کردند. تومورهای مغزی با تزریق داخل مغزی سلول های U87MG، 1.2×105 سلول در 2 میکرولیتر به موش های بدون تیموس و دارای نقص ایمنی NU/NU تحریک شدند (Janvier, France). موش ها در ابتدا با مخلوطی از کتامین/زایلازین بیهوش شدند (50/7.5 mg/kg, i.p.) و در داخل یک محفظه قرار گرفتند. یک سوراخ 1 میلی متری در جداره چپ جمجمه ایجاد شد تا اجازه عبور سرنگ همیلتون جهت تزریق سلول های U87MG داده شود. حدود 2-3 هفته بعد، وقتی قطر تومور بین 2 و 5 mm بود، موش ها برای تصویربرداری MR برده شدند.

معرف های همسنجی LipoCEST
LipoCEST با میانگین قطر هیدرودینامیک، dH حدود 170 نانومتر توسط موسسه تحقیقاتی گوربت (آلبانی-سوس بویس، فرانسه) تولید شد (3). هر نانوذره lipoCEST حاوی یک لیپوزوم است که در آن کمپلکسی از تولیوم (4، 7-بیس کربوکسی متیل-1، 4، 7، 10 تترا-آزا سیکلودودکا-1- y1)-استیک اسید، با دو مولکول آب پیوند برقرار کرده است. غلظت لیپید کل حدود 23 mM بود و با کالیبره کردن با عنصر فسفر تایید شد که از طریق اندازه گیری اسپکتروسکوپی گسیل اتمی پلاسمای جفت شده القا شده (ICP-AES) پس از معدنی سازی و از طریق کروماتوگرافی مایع با عملکرد بالا (HPLC) بعد از رسوب لیپوزوم ها در متانول بود. غلظت نهایی اتم های تولیوم TM (III) نیز توسط ICP-AES پس از معدنی سازی تعیین شدند و حدود 13 mM بود. بر اساس این اندازه گیری ها، غلظت کمپلکس های TM (III) به دام افتاده حدود 250 mM محاسبه شد و غلظت نانوذرات موجود در محلول Cn حدود 48 nM بود. غشای لیپوزومی حاوی مخلوطی از لیپیدها بود

تقسیم 4 بعدی آئورت قفسه سینه از MRI جریان 4 بعدی با استفاده از یادگیری عمیق

4D segmentation of the thoracic aorta from 4D flow MRI using deep learning

چکیده
1 مقدمه
2 داده ها
3 به ترتیب 42 و 34 میلی ثانیه
4 روش
5 نتایج
6 بحث
7 نتیجه گیری
منابع

چکیده
پیش زمینه: MRI جریان چهاربعدی امکان تحلیل تغییرات همودینامیک را در آئورت به دلیل آسیب شناسی هایی مانند آئوریسم آئورت قفسه سینه (TAA) فراهم می کند. شاخص های زیستی جدید برای مدیریت شخصی TAA نیاز به تحلیل اثر تکرار ساختار سیال دارند که می توان آن را از MRI جریان چهار بعدی بدست آورد. با این حال، تولید این شاخص های زیستی نیاز به قطعه بندی چهار بعدی قبلی قفسه سینه دارد.
هدف: توسعه مدل یادگیری عمیق خودکار برای قطعه بندی آئورت به صورت چهار بعدی از MRI جریان چهار بعدی.
روش ها: قطعه بندی با مدل قطعه بندی مبتنی بر U-Net بررسی می شود که هر فریم MRI جریان چهار بعدی را بعنوان یک نمونه مستقل در نظر می گیرد. عملکرد با توجه به امتیاز تشابه (DC) و فاصله هاوسدورف (HD) اندازه گیری می شود. علاوه بر این، حداکثر و حداقل مساحت سطح در سطح آئورت صعودی اندازه گیری می شوند و با نواحی سطح بدست آمده از تصویربرداری مغناطیسی قلب مقایسه می شوند.
نتایج: عملکرد قطعه بندی برای DS، 0.90 ± 0.02 بود و میانگین HD، 9.58 ± 4.36 mm بود. ضریب همبستگی r=0.85 برای حداکثر سطح و r=0.86 برای حداقل سطح بین MRI جریان چهاربعدی و MRI قلبی بود.
نتیجه گیری: به نظر می رسد که رویکرد خودکار پیشنهادی قطعه بندی آئورت چهاربعدی از MRI جریان چهاربعدی برای کمک به استفاده گسترده تر این روش تصویربرداری در تحلیل آسیب شناسی هایی مانند TAA به اندازه کافی دقیق باشد.

2- داده ها
2-1 جمعیت مطالعه
در این تحقیق 36 بیمار برای مشارکت در پروژه 2018-A02010–55 که توسط کمیته اخلاق ملی تایید شده، رضایت داشتند. این تحقیق با شماره NCT03817008 بر روی ClinicalTrials.gov ثبت شده است. تمام 36 بیمار در سطح آئورت صعودی مبتلا به TAA بودند. ده بیمار در این گروه زن و 26 بیمار مرد بودند. نیمی از مردان و نیمی از زنان دریچه آئورت سه لتی داشتند، دیگران دریچه آئورت دو لتی داشتند. دریچه آئورت دو لتی یک ناهنجاری است که بر 2% جمعیت تاثیر می گذارد و می تواند ناشی از شکل گیری آئوریسم آئورت باشد. میانگین سن بیماران 60 سال بود.

2-2 معاینات MRI
تمام بیماران پس از تزریق ماده حاجب با گادولینیوم تحت MRI جریان چهار بعدی بر روی آهنربای 3T زیمنس (اسکیرا، هلثتینرز زیمنس، ارلانگن، آلمان) قرار گرفتند. MRI جریان چهاربعدی، الکتروکاردیوگرام پسرو (ECG) بود که در طول تنفس آزاد بسته شد. حرکت دیافرگام با استفاده از یک ناوبر اکومدیریت شد. 25 مرحله زمانی از سیکل قلبی در پروتکل MRI جریان چهاربعدی ما با وضوح زمانی 24 تا 52 میلی ثانیه با توجه به ضربان قلب بیمار بدست آمد. وضوح فضایی بر روی 2×2×2 〖mm〗^3 و رمزگذاری سرعت (Venc) در محدود 200 تا 800 cm/s تعیین شد. زمان های اکو و تکرار به ترتیب بین 2.1 و 2.3 و 38.5-40 میلی ثانیه بودند. این اکتساب با توجه به بیمار 10 تا 15 دقیقه در نظر گرفته شد. تصحیح شدت غیریکنواخت و تصحیح اعوجاج دو بعدی در طول بازسازی تصویر انجام شدند.

توالی FLASH (نمای کم زاویه سریع) برای کسب MRI قلب استفاده می شود. این اکتساب در طول حبس نفس در صفحه ای عمود بر آئورت در سطح تنه شریان ریوی انجام می شود. 35 مرحله سیکل قلبی از این توالی با وضوح زمانی بین 20 و 34 میلی ثانیه بدست می آید. وضوح فضایی بین 1.25 × 1.25 و 1.9 × 1.9 mm^2 تعیین می شود. زمان اکو و تکرار به ترتیب 42 و 34 میلی ثانیه بود.

کاربرد MRI برای تشخیص نئوپلاسم ها

Application of MRI for the Diagnosis of Neoplasms

1 مقدمه

2 مواد و روش ها

3 نتایج

4 بحث

5 نتیجه گیری

منابع

     هدف: هدف این مطالعه تعیین معمول ترین نئوپلاسم های تشخیص داده شده با اسکن MRI و نشان دادن ارتباط آنها براساس متغیرهای توصیفی می باشد. روش ها: نرم افزار SPSS برای تعیین شیوع نئوپلاسم در تشخیص های ویژه براساس متغیرهای توصیفی جمعیت مورد مطالعه به کار گرفته شد. طی دوره پنج ساله، 791 بیمار و 839 مورد اسکن MRI در فهرست نئوپلاسم شناسایی شد (C00-D48 با توجه به دسته بندی آماری بین المللی بیماری ها و مشکلات سلامتی مرتبط ICD-10). نتایج: زنان میزان بیشتری از C00-D48 (56%) را نسبت به مردان (44%) نشان دادند. سه دسته از نئوپلاسم ثبت گردید. علاوه بر این نئوپلاسم های خوش خیم که بیشترین تعداد را شامل می شدند اساساً در بیمارانی که در دهه پنجم زندگیشان بودند، تشخیص داده شد که شامل نئوپلاسم مغز و دیگر بخش های سیستم عصبی مرکزی نیز بود. نتیجه گیری: مردان با سن کمتر از 30 سال و دارای نئوپلاسم نرخ اسکن MRI سه برابری نسبت به زنان با همان گروه سنی داشتند. هرچند زنان در دسته های دیگر سابقه اسکن بیشتری داشتند. مردان جوان اغلب زمانی که مشکوک به داشتن نئوپلاسم هستند برای اسکن انتخاب می شوند. در نهایت تعداد نئوپلاسم هایی که از طریق MRI تشخیص داده شدند نشان دهنده افزایش خطی سالیانه بود.

2 مواد و روش ها
     جمعیت مورد مطالعه شامل بیمارانی بود که بوسیله سیستم Siemens Magnetom Trio A Tim بیمارستان بالینی دانشگاه در Olsztyn (UCH) طی سال های 2011 تا 2015 مورد بررسی قرار گرفته بودند. داده در آزمایشگاه MRI بیمارستان جمع آوری گردید. جمعیت بیماران در محدوده سنی 2 تا 92 سال بودند. تعداد اسکن ها و بیماران و مشخصات بیماران مورد بررسی قرار گرفت تا بین دسته بندی C و D دسته بندی آماری بیماری ها و مشکلات سلامتی (ICD-10) ارتباط برقرار کنیم [13]. فرایند کد دهی بیماران و تشخیص در مطالعات قبلی ما شرح داده شده است [14].

     نرم افزار IBM SPSS Statistics v.24 برای پردازش و آنالیز داده ها مورد استفاده قرار گرفت. داده های سالانه و داده های دوره پنج ساله مورد آنالیز قرار گرفت تا دموگرافی کلی و تشخیص کلی با توجه به تعداد بررسی های انجام شده (تعداد ویزیت ها) یا تعداد بیماران نشان دهنده کد C و D، بدست آید. به منظور شناسایی کاربرد MRI، آمار توصیفی برای نواحی مورد نظر به کار گرفته شد. نرم افزار SPSS برای تخمین متغیرهایی مانند جنس، سن بیماران و کدهای تشخیصی خاص مورد استفاده قرار گرفت. Cross-tabulations برای بررسی ارتباط بین متغیرها و تست X2 نیز برای تعیین سطح اهمیت نواحی انتخاب شده استفاده شد؛ با این حال تنها در صورتی که هر گروه حداقل پنج مشاهده داشته باشد.

3 نتایج
     بین سال های 2011 تا 2015 تعداد 13298 مورد اسکن MRI در آزمایشگاه مربوط به UCH انجام شده است. آنالیز توزیع دسته های کدبندی شده با توجه ICD-10 در مطالعه قبلی ما انجام شده بود [14]. معمول ترین گروه از بیماری و اختلالاتی که با MRI بررسی شده بود، تعیین شد و دسته نئوپلاسم (C و D) جزو پنج بیماری غالب شناسایی شده در آزمایشگاه UCH بود. جدول 1 تعداد ویزیت ها و تعداد بیماران مرتبط با کدهای C و D در دوره پنج ساله و به طور منحصر به فرد برای هر سال از بازه سال های 2011 تا 2015 را نشان می دهد. بیماران با کدهای C و D به عنوان یک دسته شامل همه نئوپلاسم ها (C00-D48)، بیماری خون و اندام های خون ساز و اختلالات خاص درگیر کننده مکانیسم های ایمنی (D50-D89) در نظر گرفته شدند. 792 بیمار در دسته C و D بودند. هرچند یک بیمار با کد D 64 نشان دهنده بیماری خون بوده و به دلیل اینکه نئوپلاسم نداشت، بنابراین از مطالعه آماری کنار گذاشته شد.

تجزیه سه ماده با CT طیف دو لایه در مقایسه با MRI برای تشخیص ادم مغز استخوان در بیماران مبتلا به شکستگی مهره ای حاد

Three-material decomposition with dual-layer spectral CT compared to MRI for the detection of bone marrow edema in patients with acute vertebral fractures

چکیده

مقدمه

روش کار

بیماران

پروتکل تصویربرداری CT و پسا پردازش

تحلیل تصویربرداری CT و تعیین سن شکستگی

تصویربرداری MR به عنوان استاندارد مرجع

تحلیل آماری

نتایج

بیماران و وضعیت شکستگی

عملکرد CT معمولی و طیفی دو لایه

بحث

چکیده

اهداف بررسی اینکه آیا ادم مغز استخوان در بیماران مبتلا به شکستگی‌های حاد مهره‌ای را می‌توان بصورت درست با تجزیه سه ماده‌ای با CT طیفی دو لایه‌ای تشخیص داد. 

مواد و روش کار شکستگی‌های حاد (n = 41) و مزمن (n = 18) مهره‌ای کمری سینه‌ای ناشی از پوکی استخوان که در 27 نفر (72 ± 11  سال؛ 17 خانم) که از طریق MRI (سیگنال پر شدت در توالی‌های STIR) تشخیص داده شده بود با DCLT بررسی شد. داده‌های طیفی با استفاده از یک الگوریتم که بصورت داخلی توسعه داده شد به نقشه‌های شدت هیدروکسی آپاتیت، معادل ادم و معادل چربی تجزیه شدند. دو رادیولوژیست که نسبت به یافته‌های بالینی و MRI کور شدند، با استفاده از مقیاس لیکرت (بدون ادم 1=؛ احتمالاً بدون ادم 2 =؛ احتمالاً ادم 3=؛ ادم 4 = ) DLCT و CT مرسوم را بررسی کردند.  صحت، حساسیت و ویژگی DLCT و CT مرسوم برای تشخیص شکستگی‌های حاد (مقیاس لیکرت 3 و 4) بطور جداگانه با استفاده از MRI به عنوان یک استاندارد مرجع تحلیل شدند. 

یافته‌ها:  برای تشخیص شکستگی‌های حاد، CT مرسوم حساسیت 0.73-0.76 و ویژگی 0.78-0.83 را نشان داد اما حساسیت (0.93 – 0.95) و ویژگی (0.89)  تصاویر DLTC تجزیه‌ای بطور قابل توجهی بالاتر بود. صحت برای CT مرسوم 0.76 بود که از همین مقدار تا 0.92-0.93 برای DLCT افزایش یافت. همسانی بین پویش برای ارزیابی شکستگی در CT مرسوم بالا بود (k وزنی [فاصله اطمینان 95%]؛ 0.81 [0.70;0.92] و DLCT (0.96[0.92;1.00])).

نتیجه‌گیری: تجزیه ماده‌ای داده‌ها DLCT بطور قابل توجهی صحت و درستی تشخیص شکستگی‌های حاد مهره‌ای را با همسانی بین پویشی بالا ارتقاء داد. این نتیجه ممکن است معاینات اضافی بیماران را کاهش داده و تشخیص شکستگی‌های مهره‌ای را تسهیل کند. 

مقدمه

شکستگی‌های فشرده مهره‌ای از آسیب‌های شایع در بیماران مبتلا به کاهش چگالی مواد معدنی استخوان (BMD) ناشی از پوکی استخوان به شمار می‌رود اما در بیماران فاقد پوکی استخوان که دچار تروما شده‌اند نیز مشاهده می‌شود. شکستگی‌های مهره‌ای با شیوع 26% در خانم‌ها و 24% در مردان بالای 49 سال 32% احتمال مرگ را افزایش می‌دهد. مدیریت مناسب شکستگی‌ها نه تنها به ارزشیابی درست مورفولوژیکی از جمله ارزیابی پایداری واحدهای متأثر بلکه به ارزشیابی درست سن شکستگی نیز بستگی دارد. اگر چه چندین معیار طبقه‌بندی مبتنی به CT وجود دارد، CT در مسیر معمول بالینی از لحاظ تعیین سن شکستگی فاقد صحت و درستی هست. بنابراین، تصویربرداری MR اغلب برای شناسایی تغییرات مغز استخوان معادل ادم صورت می‌گیرد که اختصاصاً تروماهای حاد را در نظر می‌گیرند. از این رو تصویر برداری با تعداد دفعات معاینات اضافی و هزینه‌های قابل توجه همراه بود و برخی از بیماران به دلیل منع استفاده مانند ضربان‌سازها، دیگر کاشتنی‌ها و درد شدید برای این نوع از تصویربرداری واجد شرایط نیستند.

بحث 

در مطالعه ما، تشخیص ادم مغز استخوان و بنابراین شناسایی بیماران مبتلا به شکستگی‌های حاد مهره‌های سینه‌ای کمری با استفاده از تجزیه سه ماده‌ای و نقشه‌های تراکم مخصوص مواد بدست آمده از CT طیفی دو لایه عملی بود. با استفاده از تصویربرداری MR به عنوان استاندارد مرجع صحت، حساسیت و ویژگی برای تشخیص شکستگی‌های حاد مهره‌ای با تجزیه سه ماده‌ای تولید شده از CT طیفی دو لایه در مقایسه با تصایر CT معمولی به طرز قابل توجهی بالاتر بود.  

Abstract

Objectives To assess whether bone marrow edema in patients with acute vertebral fractures can be accurately diagnosed based on three-material decomposition with dual-layer spectral CT (DLCT).

Materials and methods Acute (n = 41) and chronic (n = 18) osteoporotic thoracolumbar vertebral fractures as diagnosed by MRI (hyperintense signal in STIR sequences) in 27 subjects (72 ± 11 years; 17 women) were assessed with DLCT. Spectral data were decomposed into hydroxyapatite, edema-equivalent, and fat-equivalent density maps using an in-house-developed algorithm. Two radiologists, blinded to clinical and MR findings, assessed DLCT and conventional CT independently, using a Likert scale (1 = no edema; 2 = likely no edema; 3 = likely edema; 4 = edema). For DLCT and conventional CT, accuracy, sensitivity, and specificity for identifying acute fractures (Likert scale, 3 and 4) were analyzed separately using MRI as standard of reference.

Results For the identification of acute fractures, conventional CT showed a sensitivity of 0.73–0.76 and specificity of 0.78–0.83, whereas the sensitivity (0.93–0.95) and specificity (0.89) of decomposed DLCT images were substantially higher. Accuracy increased from 0.76 for conventional CT to 0.92–0.93 using DLCT. Interreader agreement for fracture assessment was high in conventional CT (weighted κ [95% confidence interval]; 0.81 [0.70; 0.92]) and DLCT (0.96 [0.92; 1.00]).

Conclusions Material decomposition of DLCT data substantially improved accuracy for the diagnosis of acute vertebral fractures, with a high interreader agreement. This may spare patients additional examinations and facilitate the diagnosis of vertebral fractures.

Introduction

Vertebral compression fractures are a common pathology found in patients with reduced bone mineral density (BMD) caused by osteoporosis [1], but also in otherwise healthy patients after adequate trauma. With a prevalence of up to 26% in women and 24% in men older than 49 years [1], vertebral fractures are associated with an age-adjusted 32% increased risk of mortality [2]. Adequate management of fractures not only depends on accurate morphologic assessment, including the evaluation of the stability of the affected spinal units, but also on accurate assessment of fracture age. Although several CT-based classification criteria for spine injuries exist [3], CT in clinical routine lacks accuracy regarding the determination of the age of vertebral fractures. Therefore, MR imaging is often performed to identify edema-equivalent bone marrow changes, which are considered highly specific for acute trauma [4–6]. However, MR imaging is associated with additional examination times and substantial costs, and some patients are not eligible due to contra-indications such as pacemakers, other implants, or severe pain.

Discussion

In our study, the detection of bone marrow edema, and thus the identification of patients with acute thoracolumbar vertebral fractures, was feasible using three-material decomposition and material-specific density maps calculated from duallayer spectral CT. The accuracy, sensitivity, and specificity for the diagnosis of acute vertebral fractures was substantially higher with three-material decomposition generated from dual-layer spectral CT images compared to the conventional CT images, using MR imaging as standard of reference.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تجزیه سه ماده با CT طیف دو لایه در مقایسه با MRI برای تشخیص ادم مغز استخوان در بیماران مبتلا به شکستگی مهره ای حاد

Three-material decomposition with dual-layer spectral CT compared to MRI for the detection of bone marrow edema in patients with acute vertebral fractures

تعیین ویژگی های توده های کوچک جامد کلیوی (<4 سانتی متر) به وسیله توموگرافی کامپیوتری و تصویربرداری رزونانس مغناطیسی: شواهد فعلی و توسعه بیشتر

Characterization of small (<4 cm) solid renal masses by computed tomography and magnetic resonance imaging: Current evidence and further development

چکیده

مقدمه

مقطع نگاری کامپیوتری

مقطع نگاری کامپیوتری ارتقا نیافته ( بدون ماده حاجب)

مقطع نگاری کامپیوتری با ماده حاجب

تحلیل بافت CT

تصویر برداری رزونانس مغناطیسی

MRI وزن دار T2

MRI ارتقا یافته با کی لیت گادلینیم پویا

MRI با تغییر شیمیایی دو بازتابی وزن دار T1

تصویر برداری های وزن دار انتشاری

رویکرد MRI چند پارامتری برای تشخیص جرم های کلیوی کوچک

دیگر یافته های تصویر برداری

دسته بندی کارسینومای سلول های کلیه با استفاده از CT و MRI

جمع بندی

منابع

چکیده

     تشخیص  انواع کارسینومای سلولی در کلیه ها (RSS) در مقطع نگاری های کامپیوتری (CT) و تصویر برداری های رزونانس مغناطیسی (MRI) اهمیت بسیار زیادی دارد. شواهد گسترده ای وجود دارد که نشان میدهد تشخیص مطمئن با استفاده از تصاویر یکی از روش های احتمالی برای تشخیص می باشد اما باید پروتکل های مرتبط با تصویر برداری استاندارد سازی شود. آنژیومیولیپوم کم چربی، تضعیف سیگنال بدون تفکیک تصویری را به صورت همگن از خودش نشان می دهد ، سیگنال ضعیف همگنی در MRI وزن دار T2 و ضریب انتشار ظاهری  کمی(ADC) ایجاد می کند ، که ممکن است شامل چربی های میکروسکوپی باشد و به صورت کلاسیک، خیلی سخت تفکیک پیدا می کند. RCC های دارای برآمدگی نیز در اصل، تضعیف اشعه بسیار زیادی را انجام داده و سیگنال آن ها در MRI وزن دار T2 و نقشه های ADC پایین می باشد؛ اما، ارتقای تفکیک تدریجی آن ها بعد از استفاده از ماده واجب درون وریدی یکی از ویژگی های متمایز آن ها می باشد. سلول های شفاف RCC حالا در حالا تفکیک بهتری دارند و ممکن است لیپید میان سلولی در آن ها دیده شود؛ اما این تومورها همگن هستند و از نظر مشخصه شان، سیگنال آن ها در MRI وزن دارT2 افزایش یافته  است. تومور کلیه و تومورهای کروموفوب ( که به صورت کلی با نام نئوپلاسم های انکوسیتی شناخته می شوند) نیز یافته های متوسط در تصویر برداری های CT و MRI از خودشان بروز می دهند و از نظر زیر گونه های جرم های کلیوی، از همه سخت تر توصیف می شوند؛ اما هر دوی آن ها در مقایسه با سلول های شفاف RCC، در MRI به صورت وزن دار T2 ارتقای تدریجی بیشتری دارند. تومور های کروموفوب در مقایسه با تومورهای کلیه حالت همگن بالاتری دارند، در حالی که تومورهای کلیه گاهی ناهمگن هستند اما ویژگی های دیگر ( مانند رد زخم، وارونگی تفکیک قطعه ای) بین تمام تومور ها مشترک می باشد. درجه تومور نیز یکی دیگر از موضوعات مهم در جرم های کوچک کلیوی می باشد و مطالعه هایی که در حال حاضر بر روی CT و MRI انجام شده، نشان می دهد که تومورهای درجه بالا را می توان بر اساس ویژگی های تصویر برداری نسبت به تومورهای درجه پایین، شناسایی کرد.

     نکته مترجم: در این قسمت، ارتقا یا تفکیک  جرم کلیوی یعنی این که جرم به صورت کیست نبوده و حالت سفت و صلب دارد که این موضوع باعث افزایش جذب اشعه می شود. در نتیجه منظور از سفت شدن جرم یا ارتقا، افزایش جذب اشعه در مقایسه با بافت های اطراف است.

مقطع نگاری کامپیوتری

     CT یکی از مهم ترین روش ها برای ارزیابی و مشخص کردن انواع جرم های کلیوی متوسط می باشد [28]. CT صحت بسیار بالایی دارد و می تواند بین جرم های سفت ساده یا کیست های پیچیده ، بر اساس سفت شدن جرم و یا عدم سفت شدن این جرم ها در کیست، تمایز ایجاد کند. در CT های متداول، این سفت شدن وقتی در نظر گرفته می شود که یک تفاوت بیشتر از 20 واحد هانسفیلد (HU) در میزان جذب جرم در مقایسه با CT بدون حاجب (NECT) و تصاویر دارای حاجب (CECT) وجود داشته باشد [30و29]. مشکلات مرتبط با ارزیابی های CT نسبت به جرم های کلیوی پیش از این نیز توصیف شده اند [29]؛ اما دو استثنا مهم وجود دارد که باید در رابطه با آن ها بحث کنیم. یکی سفت شدن کاذب جرم ها می باشد که باعث می شود به صورت مصنوعی میزان جذب کیست در CECT در مقایسه با تصویر های NECT افزایش پیدا کند که این موضوع باعث دسته بندی اشتباه کیست ها به عنوان جرم های سفت در CT می شود [29 و 31]. این حالت سفت شدن کاذب معمولا در جرم های درون رست کوچک شایع می باشد [29] و بیشتر مرتبط با اصلاح الگوریتمی اشتباه اشعه ها می باشد که باعث می شود در اثر ید ، این جرم ها سفت شوند [29 و 31]. معمولا، زمانی که این سفت شدن به صورت کاذب رخ می دهد، یک MRI را می توان بر روی کلیه فرد انجام داد تا حضور یا عدم حضور سفت شدن یک آسیب را شناسایی کرد [29]. اخیرا، نشان داده شده است که CT اسکن هایی با انرژی دوگانه (DE) می تواند به صورت موثر، این سفت شدن های کاذب را در جرم های کلیوی از طریق استفاده از تصویر های تک انرژی با keV بالاتر و یا با استفاده از تصویر های هم پوشان یودین به دلیل اصلاح بهتر تاثیر سفت شدن در اثر اشعه، از بین ببرد [29 و 32] ( شکل 1). تمام تومورهای سفت تفاوت بیشتر از 20HU را در جذب در مقایسه با NECT و CECT از خودشان نشان نمی دهند و بخش زیادی از RCC های دارای برآمدگی این آستانه سفت شدن را در CT های چند فاز از خودشان نشان نمی دهند [29]. بیشتر این تومور ها میزان سفتی متوسط در بازه 10 یا 15 HU را از خودشان نشان میدهند و میتوان آن ها را با استفاده از MRI توصیف کرد ( شکل 2) [29]. DE-CT همچنین اخیرا در یکی از مطالعه ها مورد استفاده قرار گرفته است و مشخص شده است که می توان از آن برای شناسایی میزان سفتی با استفاده از تصاویر 70keV و یا از طریق استفاده از داده های هم پوشانی ید یا اندازه گیری های غلظت ید در مقایسه با اندازه گیری های میزان تضعیف، استفاده کرد (شکل 2)) [29 و 33]؛ اما، مطالعه های بیشتری در این زمینه مورد نیاز می باشد.

مقطع نگاری کامپیوتری ارتقا نیافته ( بدون ماده حاجب)

     در NENCT، توصیف جرم های کوچک کلیوی مبتنی بر شناسایی چربی های کلی و بزرک ، کلسیومی شدن و یا تراکم مبنای جرم می باشد. یک جرم کوچک کلیوی که دارای چربی های حجیم یا بزرگ می باشد را می توان به عنوان یک آنژیومیولیپوم کلیوی تشخیص داد [34]. حضور چربی های حجیم در RCC نادر می باشد [34]. کلسیومی شدن نیز به صورت اتفاقی در RCC ها دیده می شود و معمولا در آنژیومیولیپوم (AML) دیده نمی شود [34] و ممکن است در انکوسیتوم های کلیوی نیز دیده شود [35]، ازین رو حضور کلیسومی شدن تنها برای این مفید است که ما احتمال وجود AML های بدون چربی را رد کنیم. میزان تضعیف خط مبنا در جرم های کلیوی نیز یکی از ویژگی های متمایز کننده در NECT می باشد که باعث می شود AML نسبت به RCC ها تفکیک شود زیرا میزان حضور غالب سلول های عضلات صاف در AML ها باعث می شود که میزان تضعیف در حالت پایه برای AML بیشتر باشد(شکل 3) [12و36]. در مطالعات نشان داده شده است که میزان تضعیف بالاتر در جرم های کلیوی در NECT یکی از ویژگی های AML بدون چربی می باشد؛ اما به عنوان یک ویژگی مستقل، تراکم برای تشخیص انواع جرم ها از هم کافی نمی باشد که این موضوع به دلیل همپوشانی غیر قابل قبول در مقادیر تضعیف با RCC می باشد [13]. زمانی که تراکم جرم های همگن کلیوی در NECT بیشتر از 70HU باشد، تشخیص کیست های خون ریزی را می توان با اطمینان در نظر گرفت [28، 29، 37].

پیامدهای جداشدن عصبی عروقی در تصویربرداری تشدید مغناطیسی عملکردی (fMRI) تومورهای مغزی

Implications of neurovascular uncoupling in functional magnetic resonance imaging (fMRI) of brain tumors

چکیده

واحد عصبی‌عروقی در هموستازی

عروق تومورهای مغزی

تومورهای مغزی واحد عصبی‌عروقی را تغییر می‌دهند

fMRI تومورهای مغزی

پیامدهای استفاده از fMRI به عنوان یک نشانگر زیستی از پیشرفت GBM

نتیجه‌گیری

چکیده

تصویربرداری تشدید مغناطیسی عملکردی (fMRI) به عنوان یک ابزار حیاتی برای عکس‌برداری پیش‌جراحی قشر سخنوری عمل کرده و در عملکرد نوورلوژیکی بیماران مبتلا به تومور مغزی تغییر ایجاد می‌کند. با این حال مکانیسم کنتراست وابسته به سطح اکسیژن خون (BOLD) اصلی fMRI در نظر می‌گیرد که جفت‌شدن عصبی‌عروقی طی پیشرفت تومور مغزی دست نخورده باقی مانده، و این تغییرات اندازه‌گیری شده در جریان خون مغزی (CBF) با عملکرد نورونی ارتباط دارد. مطالعات ‌پیش‌بالینی و بالینی اخیر نشان داده‌اند که حتی تومورهای مغزی با درجه پایین می‌توانند جدا شدن عصبی‌عروقی (NVU) را نشان دهند، این تفسیر داده‌های fMRI مخدوش می‌کند. بنابراین، برای جلوگیری از عوارض جراحی عصبی در مبنای بیوفیزیکی NVU و تاثیر آن بر fMRI ضروری است. در این مقاله فیزیولوژی نحوه بازسازی واحد عصبی‌عروقی و تغییر عملکردی این واحد توسط سلول‌های سرطانی مغز را را بررسی می کنیم. در ابتدا آخرین یافته‌ها را درباره اجزای واحد عصبی‌عروقی بحث می‌کنیم. سپس، ما نتایج بدست آمده از مطالعات پیش‌بالینی و بالینی را تلفیق می‌کنیم تا تأثیر NVU ناشی از تومور مغزی بر تفسیر داده‌های fMRI نمایان شود. ما آن دسته از پیشرفت‌های حاصل شده در روش‌های تصویربرداری عملکردی بررسی می‌کنیم که امکان ارزیابی بالینی تومورهای مغزی با NVU می‌دهد. آخر سر ما به این بحث می‌پردازیم که چگونه جلوگیری از تشکیل ناهنجار رگ‌های خونی تومور با درمان‌های ضد رگ‌زایی می تواند عروق تومور مغزی نرمال و تحت کنترل درآورد و بطور بالقوه جفت‌شدگی عصبی‌عروقی را حفظ کند.

جفت‌شدگی عصبی‌عروقی ارتباط بین تحریک عصبی و تغییرات همزمان در جریان خون مغزی به منظور فراهم کردن تقاضاهای متغیر انرژی است. این رابطه اساس مکانیسم کنتراست وابسته به سطح اکسیژن خون (BOLD)  تشکیل می‌دهد و این مکانیسم زمینه اصلی تصویربرداری تشدید مغناطیسی عملکردی (fMRI) مغز است. با این حال، سیگنال BOLD کاملا با پتانسیل‌های عمل نورونی ارتباط ندارد. سیگنال BOLD ترکیبی از چندین پدیده شامل تغییرات جریان خون مغزی (CBF)، حجم خون مغزی (CBV) و میزان متابولیسم مغزی برای مصرف اکسیژن (CMRO2) است. با این وجود، این جفت‌شدگی عصبی‌عروقی است که fMRI قادر به بررسی و ترسیم عملکرد مغز در بیماران کرده است. 

نتیجه‌گیری

گلیوما باعث ایجاد درجات متفاوتی از اختلال در بخش عصبی‌عروقی متشکل از آستروسیت‌ها، پری‌سیت‌های و سلول‌های اندوتلیال می‌شود. این اختلالات باعث اختلال در جفت‌شدگی عصبی‌عروقی می‌شوند و می‌تواند به علت عدم پاسخ عروقی و ناتوانایی در تأمین متابولیت‌ها و اکسیژن به جمعیت‌های عصبی فعال، منجر به سمیت تحریک بیش از حد سریع‌تر می‌شود. هیپوکسی ناشی از مرگ‌و‌میر سلول‌های تومور در نهایت منجر به فعال کردن زنجیره‌ای از وقایع می شود که به رشد رگ‌زایی و تشکیل عروق خونی متناسب با رشد تومور منجر می‌شود. تغییر به فنوتیپ کوپشنی نیز می‌تواند در بیماران رخ دهد، که در آن سلول‌های گلیوما تون عروق میزبان را تحت کنترل خود در می‌آورند.

Abstract

Functional magnetic resonance imaging (fMRI) serves as a critical tool for presurgical mapping of eloquent cortex and changes in neurological function in patients diagnosed with brain tumors. However, the blood-oxygen-level-dependent (BOLD) contrast mechanism underlying fMRI assumes that neurovascular coupling remains intact during brain tumor progression, and that measured changes in cerebral blood flow (CBF) are correlated with neuronal function. Recent preclinical and clinical studies have demonstrated that even low-grade brain tumors can exhibit neurovascular uncoupling (NVU), which can confound interpretation of fMRI data. Therefore, to avoid neurosurgical complications, it is crucial to understand the biophysical basis of NVU and its impact on fMRI. Here we review the physiology of the neurovascular unit, how it is remodeled, and functionally altered by brain cancer cells. We first discuss the latest findings about the components of the neurovascular unit. Next, we synthesize results from preclinical and clinical studies to illustrate how brain tumor induced NVU affects fMRI data interpretation. We examine advances in functional imaging methods that permit the clinical evaluation of brain tumors with NVU. Finally, we discuss how the suppression of anomalous tumor blood vessel formation with antiangiogenic therapies can ‘‘normalize’’ the brain tumor vasculature, and potentially restore neurovascular coupling.

Neurovascular coupling is the relationship between neural firing and concomitant changes in cerebral blood flow to accommodate changing energy demands.1,2 This relationship constitutes the basis of the blood-oxygen-level-dependent (BOLD) contrast mechanism that underlies functional magnetic resonance imaging (fMRI) of the brain. However, the BOLD signal is not perfectly correlated with neuronal action potentials. The BOLD signal is a mixture of several phenomena including changes in cerebral blood flow (CBF), cerebral blood volume (CBV), and the cerebral metabolic rate for oxygen consumption (CMRO2).3 Nonetheless, it is this neurovascular coupling that has made fMRI the workhorse for interrogating and mapping brain function in patients.4

Conclusion

Gliomas result in varying degrees of perturbation to the neurovascular unit composed of astrocytes, pericytes, and endothelial cells. These disruptions impair neurovascular coupling and can lead to faster excitotoxicity due to the lack of vascular response and an inability to supply metabolites and oxygen to active neuronal populations. The resulting hypoxia in conjunction with tumor cell death eventually triggers a cascade of events that leads to angiogenic growth and poorly formed vasculature to support tumor growth. A shift to the co-optive phenotype, in which glioma cells take over control of host vascular tone, can also occur in patients.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

پیامدهای جداشدن عصبی عروقی در تصویربرداری تشدید مغناطیسی عملکردی (fMRI) تومورهای مغزی

Implications of neurovascular uncoupling in functional magnetic resonance imaging (fMRI) of brain tumors

تصویربرداری مغز از پاسخ جنسی انسان: تحولات اخیر و جهت گیری های آینده

Brain Imaging of Human Sexual Response: Recent Developments and Future Directions

چکیده

مقدمه

از فعالیت تا ارتباط

مدلسازی جنسیت

مروری بر مطالعات اخیر مرتبط با تصویرسازی عصبی درباره‌ی تمایلات جنسی بشر

موقعیت فعلیِ تصویرسازیِ عصبیِ پاسخ جنسی بشر

مطالبه سکس: رویکردهای غیرارتباطی

مطالبه سکس: رویکردهای ارتباط

علاقه به سکس

مهار سکس

نتیجه و رهنمودهای آتی

منابع

چکیده

هدف: هدف از این بررسی، ارائه خلاصه‌ایست جامع از آخرین پیشرفتها در زمینه مطالعه‌ی آزمایشی مغز درباره تمایلات جنسی بشر، با تمرکز بر ارتباطات مغزی طی پاسخ جنسی.

یافته‌های اخیر: الگوهای پایدار از فعالسازی مغز، برای فازهای مختلفی از پاسخ جنسی – خصوصاً در مورد فاز مطالبه-  شکل گرفته‌اند و تغییرات در این الگوها را می‌توان به نوسانات پاسخ جنسی –از جمله به سوءکارکردهای جنسی- مرتبط دانست. بر این اساس محکم، مطالعات مربوط به ارتباطات مغز در زمینه پاسخ جنسی بشر، به‌تدریج درک و شناخت بیشتری از کارکرد شبکه مغز و ساختار مربوطه به ما ارائه می‌دهند.

خلاصه: مطالعات مربوط به ارتباطات مغزی جنسی همچنان بسیار نوپا است. اما با پرداختن به مغز بعنوان یک اندام متصل، جوهره‌ی کارکرد مغز بطور دقیق‌تری انعکاس می‌یابد که درستنمایی یافتن زیست‌نشان‌ها و اهداف مفید برای مداخله در سوءکارکردهای جنسی را افزایش می‌دهد.

از فعالیت تا ارتباط

تصویربرداری عصبی در تکنیک‌های مختلف برای تجسم‌بخشیدن به ساختار و کارکرد سیستم عصبی بکار می‌رود. این بررسی، تقریباً فقط به نتایج حاصله از تصویرسازی رزونانس مغناطیسی (ام آر آی) می‌پردازد. ام آر آیِ ساختاری اطلاعاتی درباره‌ی سایز، شکل و یکپارچگی بافت خاکستری (کلاسترهای سلول بدن، مثلاً کُرتکس) و سفید (گره‌های آکسون) در اختیارمان می‌گذارد. روشهای تحلیلی نظیر مورفومتریِ مبتنی بر وُکسل (VBM) قادرند چه درون سوژه‌ها و چه بین سوژه‌ها، برآوردهایی اتکاپذیر از تفاوتهای حجم ماده خاکستری و یا سفید ارائه دهند. تصویربرداری تانسور پخش (DTI) یک پروتکل ساحختاری ام آر آی است که میتواند یک نقشه ساختاری بعدمند از تراکت‌های ماده سفید (اتصالات ساختاری) در مغز بازسازی نماید. متاآنالیز کمّی می‌تواند مجموعه‌ دیتاهای بسیاری را با هم ترکیب کند تا به استنباط‌های اتکاپذیرتری درباره‌ی ویژگی‌های شکل‌شناسیِ مغز در جمعیت‌های بزرگ دست یابد. نمونه‌ای از این، مطالعاتی است که روی مغز 1400 انسان از چهار مجموعه‌ دیتای مختلف انجام گرفته است که نمی‌تواند ایده‌ی دوریختیِ جنسیِ واضح در مغز انسان را اثبات کند.

ام آر آی کاربردی امکان تشخیص فعالیت عصبی در طول زمان را فراهم می‌سازد که معمولاً به کار، گروه، پارامترهای فیزیولوژیک یا روانشناختی یا خصایص فردی مرتبط است که محصول آن جانماییِ کاربردی فعالسازی) است. مجدداً باید گفت که روشهای متاآنالیز کمّی نظیر برآوردِ درستنماییِ فعالیت می‌تواند دیتای مطالعات فعالسازی چندگانه را با هم ادغام کند و باثبات‌ترین الگوهای فعالسازی را با هم مخلوط کند  آنهایی که می‌توانند شبکه‌های کاربردی را شبیه‌سازی نمایند.

تحلیل تعامل و ارتباطات کارکردی درون مغز، «ارتباط کارکردی» نامیده می‌شود و اساساً بصورت همبستگی بین فعالیتهای عصبیِ حوزه‌های جداازهم، محاسبه می‌شود. ارتباط کارکردی را هم می‌توان برای دیتای آف‌ام‌آر‌آیِ مبتنی بر وظیفه اندازه‌گیری کرد و هم برای دیتای وضعیت استراحت. مورد دوم شامل وظایف یا پارادایم‌های مداخله‌گرانه‌ای نمی‌شود که ممکن است باعث شود نتوان روی گروه‌های سوژه‌ی بالقوه جذابی (مثلاً بزرگسالان) در زمینه‌ی کارکرد جنسی مغزشان مطالعه کرد. روشهای مختلفی وجود دارد که می‌توانند ارتباط کارکردی را تحلیل کنند؛ برخی از آنها مبتنی بر مدل هستند، نظیر تحلیل تعامل روان-تَنی (PPI)، که ارتباط کم‌وبیش خاصی را تحت شرایط کاری مختلف و/یا بین گروه‌ها ارزیابی می‌کند، در حالی که تحلیل‌های دیگری نظیر تحلیل مولفه‌ی مستقل به هیچ عملکرد وظیفه‌ای نیاز ندارد و معمولاً می‌تواند شبکه‌های بزرگتر یا شبکه‌های بیشتری را همزمان ارزیابی کند. شبکه‌های مغزی که در مطالعات ارتباط کارکردی یافت می‌شوند  چه در زمان انجام وظیفه و چه در حالت استراحت، شامل شبکه‌ای از حالت پیشفرض، شبکه تصویری، شبکه حسی/حرکتی و شبکه task-positive است. بعنوان مثال، مطالعات وضعیت استراحت دریافته‌اند که زنان از ارتباطات کارکردی قوی‌تری در بخش‌هایی از شبکه‌ی حالت پیشفرض  نسبت به مردان برخوردارند و اینکه چرخه‌ی قاعدگی این ارتباط را تغییر نمی‌دهد. نتیجه‌ی این مطالعات این بوده است که اثرات فعالسازِ گذرای هورمون‌های گنادال را نمی‌توان مسئول دوریختیِ جنسی در ارتباطات کارکردی دانست. تحلل علیتِ گرانجر و مدل‌های علیتیِ دینامیک نیز اطلاعاتی درباره‌ی مسیر ارتباطات بین نواحی مختلف مغز را به ما می‌دهند. ارتباط هدایت‌شده‌ی بین نواحی مغز، ارتباط «اثربخش» نامیده می‌شود.

رده بندی و توسعه ابزار برای بیماری های قلبی (تصاویر MRI) با استفاده از یادگیری ماشین

Classification and development of tool for heart diseases (MRI images) using machine learning

چکیده

1- مقدمه

2- مواد و روش های مورد استفاده

الف)جمع آوری داده ها

ب) استخراج ویژگی

ج) تولید مدل

د) اعتبار سنجی مدل

ه) اجرا

3- نتایج

3- مباحث

4- جمع بندی

چکیده

بیماری های قلبی یکی از مهم ترین عوامل مرگ و میر در جهان هستند. شناسایی سریع و اولیه ی بیماری های قلبی مانند هیپوکینزی میتواند موجب کاهش بار جهانی بیماری های قلبی و عروقی شود. روش های محاسباتی این پتانسیل را دارند تا بیماری را در مراحل اولیه به صورت خودکار پیش بینی کرده و به خصوص در کشور هایی که منابع محدودی را در اختیار دارند، این روش میتواند بسیار مفید باشد. روش های محاسباتی برای پیش بینی سراسری هیپوکینزی مبتنی بر موارد تاییدی هیپوکینزی سراسری از طریق MRI ، توسعه پیدا کرده است. تقریبا تمام استخراج ویژگی ها برای تصویر های MRI مورد استفاده قرار گرفته و این مدل بر روی تصویر های ترکیبی و مختلف، به صورت مجزا اعمال شده است. تست های مدل مستقل و صحت بالا ، روش های مورد استفاده ی مار را توجیه کرده و قابلیت اعتماد روش را نشان میدهد. این روش های توسعه یافته ی جدید، بر روی زبان پیتون نوشته شده است و برای کاربرد های متن باز، فراهم شده است.

5- جمع بندی

هیپکنزی سراسری یک مسئله ی سلامتی مهم در سراسر جهان میباشد که منجر به مشکلات مختلف دیگری برای حمله های قلبی میشود. این حقیقت که بعضی از افراد بررسی شده این فرصت را نداشته اند که در این پیش گیری ها شرکت کنند، باید در نظر گرفته شود. تست های مختلف MRI وجود دارد که برای این تصویر های MRI مورد استفاده قرار میگیرد. با در نظر داشتن اهمیت بیماری های قلبی، تکنیک های محاسباتی مختلف برای پیش بینی تست های تصاویر و مشکلات موجود در نظر گرفته میشود. این تست های تصویر برداری مبتنی بر یادگیری ماشین میباشد. جمع آوری داده ها از بیمارستان ها به دست می آید. 30 بیمار در هر دسته وجود دارد که در نظر گرفته شده است. با در نظر گرفتن 900 تا 1200 Dicom، این تصویر ها را نمیتوان به صورت مستقیم برای یادگیری ماشین استفاده کرد به همین دلیل CellProfiler برای استخراج ویژگی مورد استفاده قرار میگیرد. در مطالعه ی نشان داده شده ، Cp-Charm برای بررسی تصویر های MRI مورد استفاده قرار میگیرد و صحت این مدل مطابق با 80 تا 85% از 25 مجموعه داده و 97% با ادغام تصویر های MRI مورد استفاده قرار میگیرد. باید به این نکته اشاره کرد که تا کنون پیش بینی برای بیماری های قلبی وجود نداشته است. این روش با استفاده از زبان برنامه نویسی پیتون انجام شده است که به صورت سراسری در دسترس میباشد.

Abstract

Heart diseases are one of the major killers worldwide. Early detection of heart disease such as Global Hypokinesia can reduce this global burden. Computational method has potential to predict disease in early stages automatically and especially helpful in resources limited countries. Computational method to predict global hypokinesia based on confirms cases of global hypokinesia through MRI was developed. Almost all feature extraction method was used on MRI images and model was generated on merged and different images separately. High accuracy of model independent test set justified our approaches and reliability of model. The newly developed was implemented in python and available for open use.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

رده بندی و توسعه ابزار برای بیماری های قلبی (تصاویر MRI) با استفاده از یادگیری ماشین

Classification and development of tool for heart diseases (MRI images) using machine learning

تشخیص تومور مغز در تصاویر سه عدی MRI با استفاده از الگوهای دوتایی موضعی و هیستوگرام گرادیان چرخشی

Detection of Brain Tumor in 3D MRI Images using Local Binary Patterns and Histogram Orientation Gradient

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

کاربرد الگوهای دوتایی موضعی و هیستوگرام گرادیان چرخشی در شناسایی تومور مغز در تصاویر سه بعدی MRI 

Detection of Brain Tumor in 3D MRI Images using Local Binary Patterns and Histogram Orientation Gradient

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

برآورد نوفه MRI و نوفه زدایی MRI با بکارگیری PCA غیر موضعی

MRI noise estimation and denoising using non-local PCA

Abstract

This paper proposes a novel method for MRI denoising that exploits both the sparseness and self-similarity properties of the MR images. The proposed method is a two-stage approach that first filters the noisy image using a non local PCA thresholding strategy by automatically estimating the local noise level present in the image and second uses this filtered image as a guide image within a rotationally invariant non-local means filter. The proposed method internally estimates the amount of local noise presents in the images that enables applying it automatically to images with spatially varying noise levels and also corrects the Rician noise induced bias locally. The proposed approach has been compared with related state-of-the-art methods showing competitive results in all the studied cases.

1 Introduction

Magnetic resonance (MR) imaging has very important role on current medical and research procedures. However, these images are inherently noisy and thus filtering methods are required to improve the data quality. This denoising process is usually performed as a preprocessing step in many image processing and analysis tasks such as registration or segmentation. There is a large amount of bibliography related to the denoising topic that highlights the relevance of this issue for the scientific community. A large review of MRI denoising methods can be found at Mohan et al. (2014). Currently, most denoising methods can be classified on those that use the intrinsic pattern redundancy of the data and those exploiting their sparseness properties. On the first class, the well known non-local means (NLM) filter (Buades et al., 2005) is maybe the most representative method. This method reduces the noise by exploiting the self-similarity of the image patterns by averaging similar image patterns. In MRI, early works using the NLM method are from Coupé et al. (2008) and Manjón et al. (2008). The bibliography related to this method is quite extensive (Tristán-Vega et al., 2012; Coupé et al., 2012; Manjón et al., 2009, 2010, 2012; Wiest-Daesslé et al., 2008; He and Greenshields, 2009; Rajan et al., 2012, 2014). On the other hand, sparseness-based methods try to reduce the noise naturally present in the images by assuming that the noisy data can be represented in a lower dimensionality space. In such methods, it is considered that most of the signal can be sparsely represented using few bases that enables to discard the noise related components or simply approximate noisy patterns by their corresponding noise free patterns. An example of these techniques are for instance those based on FFT or DCT transforms where standard bases such as sin or cosine functions are used to represent the images (Guleryuz, 2003; Yaroslavsky et al., 2000). In this case, noise reduction is achieved by removing noise related coefficients in a transform domain using either soft or hard thresholding techniques. More recently, techniques that learn the bases from the images to be denoised have received much attention (Elad and Aharon, 2006; Mairal et al., 2008; Protter and Elad, 2009). These techniques learn a set of bases from the images to be denoised or from a set of similar noise free images to create a dictionary to sparsely represent image patches as a linear combination of dictionary entries (Aharon et al., 2006). The advantage of these dictionaries over standard ones such those used on DCT or FFT transforms is the fact they are better adapted to the images to be processed that enables a sparser representation and therefore a better signal/noise separation. In MRI, sparse theory has been used in many recent methods (Bao et al., 2008, 2013; Patel et al., 2011). Principal Component Analysis (PCA) and related approaches have been also used for noise reduction in images (Muresan and Parks, 2003; Bydder et al., 2003; Deledalle et al., 2011). This type of technique falls in the second category since it takes benefit from the fact that original signal can be projected into an orthogonal space where most of the variance of the signal is accumulated in few components while the noise being not sparse is uniformly spread over all the components. Noise reduction using PCA normally requires 3 main steps: (1) decomposing a set of selected signals into their principal components, (2) shrinking noise related components, and finally (3) reconstructing back the signals by inverting the PCA decomposition. This approach was first used by Muresan and Parks (2003) by applying PCA decomposition over a local set of image patches. Zhang et al. (2010) improved this approach by grouping similar patches before PCA decomposition and iterated the process to obtain a higher noise reduction. PCA has been also used to robustly compute patch similarities within a non-local means framework (Van de Ville and Kocher, 2010; Zhang et al., 2013, 2014). PCA based denoising has been also used for MRI filtering. In Manjón et al. (2009) PCA was used as a postprocessing step to remove remaining noise after the application of a multicomponent non-local means filter for multimodal MRI. Recently, a nonparametric PCA based filter was proposed for 2D MR images where patch similarities are estimated using rank limited PCA coefficients (Kim et al., 2011). Also recently, PCA based approaches have been proposed for diffusion weighted image (DWI) denoising (Bao et al., 2013; Fan Lam et al., 2013; Manjón et al., 2013). In this paper, we present a novel denoising approach based on the application of PCA decomposition over a set of similar patches using a sliding window scheme. The resulting filtered image is used as a guide image to accurately estimate the voxel similarities within a rotationally invariant NLM (PRI-NLM) strategy as done in Manjón et al. (2012). The increased quality of this guide image resulting from the proposed PCA-based noise removal method significantly improves the application of the PRI-NLM filter boosting the overall denoising performance. We must remark that our guided PRI-NLM filter shares some similarities with methods like the one proposed by Salmon et al. (2012) where a Yaroslavsky filter is applied using information from a pre-filtered image to improve denoising performance or also CANDLE filter (Coupé et al., 2012) which uses a median filtered image. Our approach is also related the method proposed by Zhang et al. (2010) to filter natural images with stationary Gaussian noise but in our case our patch selection is performed on a pre-filtered image to obtain a more robust patch groping on very noisy conditions. Furthermore, we deal with nonstationary Rician noise and the thresholding step is performed by automatically estimating the local noise level from the eigenvalues of the PCA decomposition. The three main contributions in this paper are: (1) a new collaborative filter using a PCA based strategy to compute a improved guide image, (2) an automatic spatially varying noise estimation method fully integrated in the denoising pipeline and (3) a new Rician bias correction method.