این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش در پزشکی، جلد ۴۷، شماره ۱، صفحات ۰-۰
عنوان فارسی اندازه گیری شاخص جمجمه در سینوستوز ساژیتال با استفاده از تکنیک های هوش مصنوعی
چکیده فارسی مقاله سابقه و هدف: در کرانیوسینوستوز یک یا چند سوچور جمجمه به شکل زودرس بسته می شوند که می تواند منجر به ناهنجاری شکل جمجمه و یا حتی افزایش فشار داخل جمجمه و اشکال مختلف تاخیر تکاملی کودک شود. در کرانیوسینوستوز ساژیتال، قطر قدامی خلفی جمجمه افزایش می یابد. ایندکس جمجمه مهم ترین شاخص جهت تشخیص و پایش بیماران مبتلا به این بیماری است. ایندکس جمجمه عموما با اندازه گیری مستقیم ابعاد سر شیرخوار و یا استفاده از سی تی اسکن جمجمه تعیین می شود. اگر بتوان با استفاده از تکنیک های هوشمند، شکل جمجمه را از روی تصاویر معمول دیجیتال سر شیرخواران تعیین کرد، می توان به پزشکان و والدین در تشخیص زود هنگام این ناهنجاری، پایش بهتر نتایج درمان و کاهش هزینه ها کمک کرد. مواد و روش ها: در این مطالعه تشخیصی با راه اندازی یک روش علمی اجرایی، سعی در تعیین خودکار ایندکس جمجمه شیرخواران مبتلا به سینوستوز ساژیتال (با استفاده از تصاویر دیجیتال روتین سر آنها) بر اساس الگوریتم شبیه سازی تبریدی شده است. اطلاعات مربوط به 59 شیرخوار مبتلا به سینوستوز ساژیتال که در بیمارستان کودکان مفید تهران جراحی شده بودند، مورد بررسی قرار گرفت و شاخص جمجمه آنها (مقدار نرمال بین 85%- 75%)، با استفاده از الگوریتم پیشنهادی تعیین شد و با مقادیر اندازه گیری شده توسط جراح مغز و اعصاب کودکان با استفاده از نرم افزار متلب مقایسه شد. یافته ها: الگوریتم پیشنهادی با دقت قابل قبولی ایندکس جمجمه را در بیماران مورد مطالعه محاسبه کرد ایندکس جمجمه توسط الگوریتم شبیه‌سازی تبریدی با میانگین 04/72 و انحراف معیار 21/5 گزارش شد که اختلاف کمی با مقادیر ایندکس جمجمه اندازه گیری شده توسط جراح با میانگین 21/72 و انحراف معیار 08/5 دارد. ارزیابی آماری ما با استفاده از آزمون t زوجی نشان می دهد که تفاوت معناداری بین دو گروه وجود ندارد (p-value =0.52). مقادیر اندازه گیری شده توسط این روش در 55 بیمار از 59 بیمار مورد مطالعه (2/93 درصد) در بازه مقادیر مطلوب تعیین شده توسط عامل انسانی قرار دارند (P≤0.8). نتیجه گیری: به نظر می رسد روش پیشنهادی می تواند با دقت قابل قبولی با استفاده از عکس های روتین سر بیماران، مقدار ایندکس جمجمه را محاسبه کند. با توسعه این روش ممکن است بتوان به پزشکان و والدین در تشخیص زود هنگام این ناهنجاری و پایش بهتر نتایج درمان و کاهش هزینه ها کمک کرد.  
کلیدواژه‌های فارسی مقاله کرانیوسینوستوز، ایندکس جمجمه، قطعه بندی تصویر، الگوریتم شبیه سازی تبریدی
عنوان انگلیسی Determination of Cranial Index in Sagittal Synostosis using Artificial Intelligent Techniques
چکیده انگلیسی مقاله Background: At least one main suture of skull is closed prematurely in craniosynostosis; which may lead to different skull and face deformities and various types of child developmental delay. Increased postero-anterior diameter of skull is the main characteristic of sagittal craniosynostosis. Cranial index is the most important parameter for diagnosis and monitoring of children with this deformity. This index is generally determined by direct measuring of infant's head dimensions or using skull CT scan. Artificial intelligence-based techniques could identify the shape of head from routine digital photos of child and therefore, they may play a useful role in assisting physicians and parents for early diagnosis of skull anomaly, better intervention follow-up and reducing medical system financial costs. Materials and Methods: In this diagnostic study, by developing an executive scientific method, automatic measurement of cranial index in sagittal craniosynostotic infants based on simulated annealing algorithm was done (by using routine digital photos of their head). Pre-operative photos of 59 patients operated in Mofid children hospital (Tehran, Iran); were processed and the cranial index (normal value between 75% to 85%) was calculated with the proposed algorithm and compared with pediatric neurosurgeon measured values, using Matlab software. Findings: The proposed algorithm calculated the cranial index with acceptable accuracy. The simulated annealing algorithm determined the cranial index with mean 72.04 and standard deviation of 5.21, which have minimal differences with surgeon measured values with mean of 72.21 and standard deviation of 5.08. In statistical investigation, using paired t-test, there was no statistical significant differences between these two methods (p-value = 0.52). The values measured by this method in 55 patients out of 59 studied patients (93.2%) are in the range of optimal values determined by the specialist (p≤0.8 ). Conclusion: It seems that the proposed method could determine the cranial index from routine digital patient's head photos with acceptable accuracy. More development of this method may assist physicians and parents in early diagnosis of this anomaly, better monitoring of treatment results and reducing medical financial costs.  
کلیدواژه‌های انگلیسی مقاله Craniosynostosis, Cranial index, Image segmentation, Simulated annealing
نویسندگان مقاله احسان مرادی | Ehsan Moradi
Shahid Beheshti University of Medical Sciences
دانشگاه علوم پزشکی شهید بهشتی

ملیحه ثابتی | malihe sabeti
North Tehran Branch, Islamic Azad University
واحد تهران شمال، دانشگاه آزاد اسلامی

میترا ایرانی | Mitra Irani
North Tehran Branch, Islamic Azad University
واحد تهران شمال، دانشگاه آزاد اسلامی

نشانی اینترنتی http://pejouhesh.sbmu.ac.ir/browse.php?a_code=A-10-4532-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده جراحی اعصاب
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات