ارائه روشی برای تشخیص و طبقه بندی سرطان مستقل از نوع سیستم و بافت با طیف سنجی رامان

thesis
abstract

امروزه استاندارد طلایی جهت تشخیص بیماری سرطان، نمونه برداری و به دنبال آن آزمایش هیستوپاتولوژی است. علیرغم توانایی های بسیار آزمایش هیستوپاتولوژی در تشخیص های بالینی، این روش در اجرا با مشکلاتی همچون تهاجمی بودن، زمان پاسخ طولانی و نتایج وابسته به فرد روبروست. لذا تا کنون تحقیقات بسیاری در توسعه روشهای جایگزین، به ویژه روشهای نوری، به دلیل قابلیت به کارگیریشان به صورت غیر تهاجمی، صورت گرفته است. در این میان طیف سنجی رامان از آنجا که به ساختارهای مولکولی حساس است، قابلیت بسیاری در تشخیص سرطان از خود نشان داده است. علیرغم توانایی های این روش، همچنان یکی از مهمترین چالش های این تکنیک در زمینه پزشکی، کاربردی شدن این تکنیک در تشخیص های بالینی می باشد که به دلیل وجود مشکلاتی همچون عدم پایداری الگوریتم های تشخیصی ارائه شده نسبت به تغییرات سیستم و بافت و نیز عدم حساسیت الگوریتم های تشخیصی ارائه شده در تکمیل طبقه بندی سرطان در سطح سارکوم و کارسینوم، تا کنون عملی نشده است. هدف از این تحقیق، توسعه الگوریتمی است که قادر به تشخیص سرطان به صورت مستقل از سیستم طیف سنجی و بافت باشد و از حساسیت لازم در طبقه بندی سرطان در سطح سارکوم و کارسینوم برخوردار باشد. در راستای دستیابی به چنین الگوریتمی، سه مساله تنوع سیستمی، تنوع بافتی و نوع بدخیمی هر یک در بخشهای جداگانه ای در این پژوهش مورد آنالیز و بررسی قرار گرفته اند. در بررسی مساله تنوع سیستمی، سه سیستم طیف سنجی رامان متفاوت در بررسی تشخیص سرطان پستان در سه کلاس نرمال، ضایعه خوش خیم و ضایعه بدخیم (سرطان) بکار گرفته شده است. سپس با آنالیز تفاوتهای طیفی ناشی از تفاوتهای سیستمی موجود بین این سیستم ها، الگوریتم جامعی به منظور رفع تفاوتهای سیستمی در عین حفظ تفاوتهای بین کلاسی ارائه شده و کارایی آن در حالت های مختلف ممکن مورد ارزیابی قرار گرفته است. در بررسی مساله تنوع بافتی، پنج بافت، شامل پستان، روده بزرگ، پانکراس، تیروئید و پوست مورد بررسی قرار گرفته و نشانگرهای رامان متمایز کننده حالت نرمال از سرطانی در آنها جستجو شده اند. سپس به یافتن نشانگرهای مشترک سرطان و بررسی وجود سطح تمایز مشترک بین حالت نرمال و سرطانی در این بافتها اقدام شده است. این بررسیها به معرفی چهار نشانگر مشترک سرطان در تمام بافتهای مورد مطالعه بجز بافت پوست منجر شده است، که هر یک به تنهایی قادر به تمایز نمونه های نرمال از سرطانی در چهار بافت نخست با صحتی بیش از 90% بوده اند. همچنین در ادامه با ترکیب این نشانگرها در یک گام و اصلاح روشهای استخراج ویژگی در گام بعد با شمول بافت پوست نیز درجه تمایزی برابر با 91.7% در تمایز نمونه های نرمال از سرطانی بدست آمده است. سرانجام در سومین بخش از پژوهش، در راستای تکمیل طبقه بندی سرطان، نشانگرهای متمایز کننده دو نوع اصلی سرطان یعنی سارکوم و کارسینوم، مورد بررسی قرار گرفته است. این مطالعه بر روی دو نوع سارکوم ویک نوع کارسینوم نشان داده است که میزان مشارکت پیوندهای متناظر با چربیها می تواند به عنوان نشانگر متمایز کننده این دو نوع سرطان (با صحتی بیش از90%) بکار گرفته شود. به طوریکه میزان چربی در نمونه های سارکوم نسبت به کارسینوم کمتر است.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

تشخیص سرطان پستان با استفاده از طیف سنجی رامان

مقدمه: امروزه، سرطان پستان یکی از شایع ترین انواع سرطان می باشد. روشی که همواره جهت تشخیص نهایی به کار می رود، آزمایش پاتولوژی است که از مشکلاتی همچون تهاجمی بودن، زمان پاسخ طولانی و نتایج وابسته به فرد رنج می برد. لذا، امروزه استفاده از تکنیک های نوری از جمله طیف سنجی رامان در تشخیص این بیماری بسیار مورد توجه قرار گرفته است.روش بررسی: در مطالعۀ حاضر استفاده از روش طیف سنجی رامان در تشخیص سرطان...

full text

بررسی تجربی استفاده از طیف سنجی رامان در تشخیص سرطان

در این تحقیق به بررسی بافتهای سرطانی چندین اندام بدن با استفاده از طیف سنجی رامان لیزری پرداخته ایم. در این راستا نمونه های مختلف بافتی با تشخیص های پاتولوژیک متفاوت (سالم و سرطانی) از یک آزمایشگاه پاتولوژی به امانت گرفته و با دو سیستم طیف سنجی رامان بررسی شدند. از آنجایی که یکی از اهداف این مطالعه مستقل ساختن تشخیص از نوع سیستم طیف سنجی است؛ الگوریتم هایی برای حذف تفاوتهای سیستمیک در طیف های ب...

full text

The Study of Stressful Factors in Clinical Education for Nursing Students Studying in Nursing and Midwifery College in Khorramabad

کچ هدي پ شي مز هني فده و : شزومآ لاب يني شخب ساسا ي شزومآ مهم و راتسرپ ي تسا . و هنوگ ره دوج لکشم ي شزومآ رد لاب يني ، آراک يي هدزاب و ا ني شزومآ زا شخب راچد ار لکشم م ي دنک . فده اب رضاح شهوژپ سررب ي لماوع سرتسا از ي شزومآ لاب يني رد وجشناد ناي راتسرپ ي هدکشناد راتسرپ ي و يامام ي ماـجنا داـبآ مرـخ تسا هتفرگ . شور و داوم راک : رضاح هعلاطم کي هعلاطم صوت يفي عطقم ي تسا . د...

full text

The effect of cyclosporine on asymmetric antibodies and serum transforming growth factor beta1 in abortion-prone model of mice CBA/J x DBA/2

كچ ي هد فده و هقباس : ي ک ي طقس زورب للع زا اه ي ،ررکم ا لماوع تلاخد ي ژولونوم ي ک ا رد ي ن قم طققس عون ي وراد دقشاب ي س ي روپسولک ي ،ن ح لدم رد طقس شهاک بجوم ي ناو ي CBA/j×DBA/2 م ي تنآ ددرگ ي داب ي اه ي ان و راققتم TGF-β لماوع زا عت مهم يي ن گلماح تشونرس هدننک ي سررب روظنم هب رضاح هعلاطم تسا ي ات ث ي ر اس ي روپسولک ي ن م رب ي از ا ي ن تنآ عون ي داب ي س و اه ي اکوت ي ن TGF...

full text

ارائه روشی برای طبقه بندی داده های ابرطیفی aviris ، با استفاده از استخراج ویژگی و ترکیب طبقه بندی کننده ها

یکی از پرکاربردترین روش های طبقه بندی نظارت شده، روش بیشترین احتمال است که در آن، به منظرو طبقه بندی از پارامترهایی آماری مانند ماتریس واریانس کوواریانس استفاده می شود. در تصاویر ماهواره ای ابر طیفی، به علت محدودیت نمونه های آموزشی و ابعاد بالای طیفی (زیاد بودن تعداد باند ها)، احتمال یکتا شده ماتریس های برآورد شده و با کاهش دقت طبقه بندی وجود دارد. به منظور حل این مشکل از روش های مختلفی همچون ک...

full text

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده برق و کامپیوتر

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023