پیش‌بینی فرکانس بهینه تحریک الکتریکی فراجمجمه‌ای در درمان تومور مغزی
پژوهشگران گروه کنترل دانشکده مهندسی برق و کامپیوتر دانشگاه تربیت مدرس طی پژوهشی با هدف کاهش اندازه‌ی تومور مغزی گلیوبلاستوما و شدت افسردگی ناشی از آن، به پیش بینی فرکانس بهینه‌ی تحریک الکتریکی فراجمجمه‌ای پرداختند.
خبرگزاری برنا؛ 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 زمینه‌ی 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.
مهندس نسیم حقی که این پژوهش در قالب پایان نامه کارشناسی ارشد وی انجام شده است، با بیان مقدمه فوق تشریح کرد: در این پژوهش بیماران مبتلا به تومور مغزی گلیوبلاستوما با سن، جنسیت و وزن معلوم و در دو گروه مجزا تحت دو روش درمانی شیمی‌درمانی با داروی خوراکی تموزولاماید و شیمی‌درمانی به‌همراه اعمال تحریک توسط میدان‌های الکتریکی درمان‌کننده‌ی تومور قرار گرفتند. علاوه بر آن گروه سوم از بیماران تحت عنوان گروه کنترل، دریافت‌کننده‌ی تحریک شم به‌همراه تموزولاماید بودند.
وی افزود: اندازه‌ی 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.
مهندس حقی در خصوص نتایج بدست آمده گفت: 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.
وی اضافه کرد: علاوه بر آن، میدان الکتریکی درمان‌کننده‌ی تومور، در سه فرکانس 150، 200 و 250 کیلوهرتز به سه گروه مجزا از بیماران اعمال گردید 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 گردید. در این راستا طبقه‌بندهای ماشین بردار پشتیبان و k نزدیکترین همسایه با کسب دقت ارزیابی 80 درصد به عنوان بهترین الگوریتم‌های طبقه‌بندی در این زمینه، پیش‌بینی فرکانس تحریک را با موفقیت محقق ساختند.
گفتنی است 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.
انتهای پیام/
نظر شما
اخبار برگزیده
پرونده ویژه
تبلیغات متنی