پديد آورنده :
موسوي، امير حسين
عنوان :
شخصي سازي مدل هاي رياضي رشد تومور مغزي گليوبلاستوما به وسيله ي عكس هاي ام آرآي و سي تي اسكن
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
تبديل انرژي
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
سيزده،53ص.:مصور، جدول، نمودار
استاد راهنما :
احمدرضا پيشه ور
استاد مشاور :
ابراهيم شيراني
توصيفگر ها :
تومور گليوبلاستوما , مدل رشد تومور , شخصي سازي مدل رياضي رشد تومور , بهينه سازي , معادلات الحاقي
استاد داور :
محسن ثقفيان، احمد سوهانكار
تاريخ ورود اطلاعات :
1398/04/25
تاريخ ويرايش اطلاعات :
1398/04/25
چكيده فارسي :
1 چکیده عامل بیش از 31 درصد مرگها در جهان سرطان و اولین عامل مرگ در کشورهای در حال توسعه است گلیوبالستوما شايعترين تومور بدخیم مغزی در انسان است که بر مبنای طبقهبندی سازمان سالمت جهانی از نوع چهارم تومورهای گلیوما است مشخصه اصلی آنها تشکیل شبکه رگهای خونی وسیع و داشتن هسته نکروتیک است در اين نوع تومورها فاصلهی بین مرحلهی شناسايی تا زمان مرگ 21 تا 81 ماه طول میکشد به همین دلیل بکارگیری روشهای مدلسازی شبیهسازی و شخصیسازی رفتار تومور میتواند فرآيند تشخیص و درمان سرطان را آسان سازد در اين پژوهش ابتدا شبیهسازی رشد تومور به کمک پنج معادلهی مشتق جزئی انجام شده است باتوجه به نتیجههای بدستآمده از شبیهسازی و مطابقت آن با تئوری رشد تومور در قسمتهای مختلف میتوان دريافت که اين مدل مناسبترين مدل موجود جهت پیشبینی رفتار تومور مغزی و استفاده در انتخاب روشهای درمانی است زيرا تعیین قسمتهای مختلف يک تومور میتواند منجر به انتخاب صحیح روش درمانی شود طبق اين نتايج عامل اصلی بزرگشدن اندازهی تومور افزايش تعداد سلولهای نورموکسیک است جهت تخمین اندازهی تومور با در نظرگرفتن عددی به عنوان تعداد سلولهای نورموکسیک و تعیین مرز تومور میتوان محدودهی تومور را پیشبینی کرد همچنین به کمک اين مدل میتوان محدودهی سلولهای هايپوکسیک نکروتیک و رگزايی را که جهت انجام روشهای درمانی مانند پرتودرمانی و شیمیدرمانی مهم است را تعیین کرد در مدلهای رشد تومور تخمین ضريبهای مدل برای هر بیمار تحت عنوان مسئله شخصیسازی رشد بیان میشود جهت تخمین ضريبهای مدل دو مرحله تصوير امآرآی يک بیمار در بازه زمانی مشخص استفاده میشود بدين صورت که تصوير مرحله اول به عنوان تابع اولیه مدل و تصوير مرحله دوم جهت مقايسه نتیجه شبیهسازی با شرايط واقعی استفاده خواهد شد هدف از شخصیسازی يافتن ضريبهايی از مدل است که شبیهسازی حاصل از آن دارای کمترين خطا نسبت به شرايط واقعی تومور باشد در مرحله بعد به دلیل عدم دسترسی به مجموعهی کاملی از تصاوير پزشکی يک بیمار سرطانی از تصاوير موش آزمايشگاهی استفاده شده و به شخصیسازی مدل سادهتری شامل يک معادلهی مشتق جزئی پرداخته شده است بهمنظور شخصیسازی مدل از بهینه سازی معادله مشتق جزئی با مقدار ثابت و حل آن با روش معادالت الحاقی استفاده شده است جهت حل معادالت حاکم بر شخصیسازی از نسخه مرتبطشده نرمافزار متلب و کامسول استفاده شده است که اين امر برای اولین بار در پژوهشهای مرتبط در اين زمینه انجام شده است در اين پژوهش از سه مرحله تصوير امآرآی موش آزمايشگاهی جهت شخصیسازی و تخمین ضريبهای مدل استفاده شده است شخصیسازی انجام شده با تصويرهای مرحلهی اول و دوم دارای خطای کمتر از 01 درصد است همچنین اعتبارسنجی روش با تصوير مرحلهی سوم نیز منجر به خطای کمتر از 51 درصد شده است شخصیسازی استقالل مناسبی نسبت به حدس اولیه داشته و انتخاب نامناسب آن تنها باعث طوالنی شدن زمان حل میشود و خطای قابل توجهی به نتیجه وارد نمیشود کلمات کلیدی تومور گلیوبالستوما مدل رشد تومور شخصیسازی مدل رياضی رشد تومور بهینهسازی معادالت الحاقی
چكيده انگليسي :
54Patient specific mathematical model of glioblastoma tumor growth using MRI and CTs images SEYED AMIR HOSEIN MOUSAVI Amir mosavi1373@gmail com Date of Submission 2019 06 25 Department of Mechanical Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiSupervisor Ahmad Reza Pishevar apishe@cc iut ac irAbstractCancer is the cause of more than 13 of deaths in the world and the first cause of death in developing countries Glioblastoma is the most common malignant brain tumor in humans which is categorized as the fourth type ofglioma tumor by the World Health Organization The main characteristic is the formation of a network of bloodvessels and a necrotic nucleus In this type of tumor the interval between the identification stage and the timeof death is 12 to 18 months For this reason the use of methods for modeling simulating and personalizingtumor behavior can facilitate the process of cancer diagnosis and treatment In this study tumor growthsimulation was first performed using five PDE equations According to the results obtained from the simulationand its correlation with the theory of tumor growth in different parts it can be seen that this model is the mostsuitable model for predicting the behavior of the brain tumor and its use in choosing treatment methods becausedetermining the different parts of a tumor can lead to the correct choice of treatment According to these results the main factor for increasing the size of the tumor is the increase in the number of normoxic cells and it ispossible to determine the tumor boundary by determining the concentration of the normoxic cells Also by thismodel it is possible to determine the range of hypoxic necrotic and blood vessels cells that are important fortreatment methods such as radiotherapy and chemotherapy In tumor growth models estimating the model scoefficients for each patient is described as a patient specific problem To estimate the coefficients of the model two stages of the image of a patient are used in a given time period The first stage image will be used as the initial function of the model and the second stage image will be usedto compare the simulation result with real conditions The purpose of a patient specific problem is to find thecoefficients of the model that the results of simulation has the least error with actual conditions of the tumor In the next step due to the lack of access to a complete set of medical images of a cancer patient images of ratmice and a simpler model including one PDE equation have been used To estimate unknown modelparameters and enable patient specific simulations we formulate and solve a PDE constrained optimizationproblem by adjoint method To solve the equations LiveLink for MATLAB interface with COMSOL has beenused which is the first time in related research in this field In this research three stages of experimental miceimaging were used to estimate the model s coefficients The parameter estimation with the first and secondstage images has an error of less than 10 and the validation of the method with the third stage image also ledto an error of less than 15 Our study shows that the presented patient specific model is independent fromthe initial guess for model parameters and its inappropriate selection only prolongs the time of solving and nosignificant error comes to the result Keywords Glioblastoma tumor Tumor growth model Patient specific patient specific mathematicalmodel Optimization Adjoint method
استاد راهنما :
احمدرضا پيشه ور
استاد مشاور :
ابراهيم شيراني
استاد داور :
محسن ثقفيان، احمد سوهانكار
