۱۴ مرداد ۱۴۰۲، ۱۵:۴۳
کد خبرنگار: 754
کد خبر: 85189820
T T
۰ نفر

برچسب‌ها

پیش‌بینی فرکانس بهینه‌ تحریک الکتریکی فراجمجمه‌ای در درمان تومور مغزی

تهران-ایرنا- پژوهشگران گروه کنترل دانشکده مهندسی برق و کامپیوتر دانشگاه تربیت مدرس در پژوهشی با هدف کاهش اندازه‌ تومور مغزی گلیوبلاستوما و شدت افسردگی ناشی از آن به پیش بینی فرکانس بهینه‌ تحریک الکتریکی فراجمجمه‌ای پرداختند.

به گزارش روز شنبه گروه علم و آموزش ایرنا از دانشگاه تربیت مدرس، تومور مغزی گلیوبلاستوما، شایع‌ترین و تهاجمی‌ترین تومور مغزی نوع اولیه است که هر ساله منجر به مرگ تعداد زیادی از افراد مبتلا می‌شود.

علاوه بر روش‌های درمانی متداول در زمینه‌ درمان تومور مغزی مانند عمل جراحی، شیمی‌درمانی و پرتودرمانی، امروزه تحریک الکتریکی فراجمجمه‌ای با جریان متناوب تحت عنوان میدان‌های الکتریکی درمان‌کننده‌ی تومور با هدف مقابله با تومور مغزی گلیوبلاستوما و افزایش طول عمر فرد مبتلا به‌عنوان روشی نوظهور در این زمینه، مورد استفاده قرار می‌گیرد.

نسیم حقی که پژوهش در قالب پایان نامه کارشناسی ارشد انجام داده است، درمورد این پژوهش گفت: در این پژوهش بیماران مبتلا به تومور مغزی گلیوبلاستوما با سن، جنسیت و وزن معلوم و در دو گروه مجزا تحت ۲ روش درمانی شیمی‌درمانی با داروی خوراکی تموزولاماید و شیمی‌درمانی به‌همراه اعمال تحریک توسط میدان‌های الکتریکی درمان‌کننده‌ تومور قرار گرفتند. علاوه بر آن گروه سوم از بیماران تحت عنوان گروه کنترل، دریافت‌کننده‌ تحریک شم به‌همراه تموزولاماید بودند.

وی افزود: اندازه‌ تومور و شدت افسردگی بیماران، قبل و بعد از اعمال هریک از این روش‌های درمانی به ‌ترتیب با استفاده از روش تصویربرداری تشدید مغناطیسی و آزمون‌های سنجش افسردگی به ‌دست آمد و با استفاده از آزمون تی وابسته و آزمون ویلکاکسون رتبه‌دار علامت، تأثیر روش‌های درمانی مختلف بر روی این مقادیر مورد بررسی قرار گرفت.

این پژوهشگر دانشگاه تربیت مدرس در خصوص نتایج بدست آمده توضیح داد: نتایج حاصل از این دو آزمون فرض آماری، کاهش اندازه‌ی تومور مغزی و شدت افسردگی را به‌دنبال استفاده از میدان‌های درمان‌کننده‌ی تومور به‌همراه تموزولاماید اثبات کردند.

حقی اضافه کرد: علاوه بر آن، میدان الکتریکی درمان‌کننده‌ تومور، در سه فرکانس ۱۵۰، ۲۰۰ و ۲۵۰ کیلوهرتز به سه گروه مجزا از بیماران اعمال ش د و در نهایت با توجه به پارامترهای سن، جنسیت، وزن، اندازه‌ی تومور و شدت افسردگی قبل از درمان هر یک از بیماران و به‌کمک طبقه‌بندهای موجود در علم یادگیری ماشین، فرکانس بهینه با هدف بیشترین کاهش در اندازه‌ی تومور مغزی گلیوبلاستوما و شدت افسردگی ناشی از آن استخراج شد.

وی همچنین گفت: در این راستا طبقه‌بندهای ماشین بردار پشتیبان و k نزدیکترین همسایه با کسب دقت ارزیابی ۸۰ درصد به‌ عنوان بهترین الگوریتم‌های طبقه‌بندی در این زمینه، پیش‌بینی فرکانس تحریک را با موفقیت محقق ساختند.

این پژوهش در قالب پایان نامه کارشناسی ارشد نسیم حقی با راهنمایی دکتر حمیدرضا مومنی عضو هیأت علمی دانشکده مهندسی برق و کامپیوتر انجام شد.

اخبار مرتبط

نظر شما

شما در حال پاسخ به نظر «» هستید.
captcha