![تولید نهال و پایههای رویشی باکیفیت و زودرس از طریق کشتبافت](/files/fa/news/1403/5/24/617783_575.jpg)
پیشبینی فرکانس بهینه تحریک الکتریکی فراجمجمهای در درمان تومور مغزی
![پیشبینی فرکانس بهینه تحریک الکتریکی فراجمجمهای در درمان تومور مغزی](/files/fa/news/1402/5/14/299709_569.jpg)
به گزارش خبرگزاری علم و فناوری آنا، 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 این بیماری مانند عمل جراحی، شیمیدرمانی و پرتودرمانی، امروزه تحریک الکتریکی فراجمجمهای با جریان متناوب با عنوان میدانهای الکتریکی درمانکننده تومور با هدف مقابله با تومور مغزی گلیوبلاستوما و افزایش طول عمر فرد مبتلا بهعنوان روشی نوظهور در این زمینه، مورد استفاده قرار میگیرد.
بر همین اساس 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 پیشبینی فرکانس بهینه تحریک الکتریکی فراجمجمهای پرداختند.
نسیم حقی که این پژوهش در قالب پایاننامه کارشناسی ارشد وی انجامشده، اظهار کرد: در این پژوهش بیماران مبتلا به تومور مغزی گلیوبلاستوما با سن، جنسیت و وزن معلوم و در دو گروه مجزا با دو روش درمانی شیمیدرمانی با داروی خوراکی تموزولاماید و شیمیدرمانی به همراه اعمال تحریک توسط میدانهای الکتریکی درمانکننده تومور قرار گرفتند. علاوه بر آن گروه سوم از بیماران با عنوان گروه کنترل، دریافتکننده تحریک به همراه 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 روی این مقادیر مورد بررسی قرار گرفت.
این پژوهشگر درباره نتایج به دست آمده گفت: نتایج حاصل از این دو آزمون فرض آماری، کاهش اندازه تومور مغزی و شدت افسردگی را به دنبال استفاده از میدانهای درمانکننده تومور به همراه تموزولاماید اثبات کردند.
وی اضافه کرد: علاوه بر آن، میدان الکتریکی درمانکننده تومور، در سه فرکانس ۱۵۰، ۲۰۰ و ۲۵۰ کیلوهرتز به سه گروه مجزا از بیماران اعمال شده و در نهایت با توجه به پارامترهای سن، جنسیت، وزن، اندازه تومور و شدت افسردگی قبل از درمان هر یک از بیماران و به کمک طبقهبندهای موجود در علم یادگیری ماشین، فرکانس بهینه با هدف بیشترین کاهش در اندازه تومور مغزی گلیوبلاستوما و شدت افسردگی ناشی از آن استخراج شد.
حقی ادامه داد: در این راستا طبقهبندهای ماشین بردار پشتیبان و k نزدیکترین همسایه با کسب دقت ارزیابی ۸۰ درصد بهعنوان بهترین الگوریتمهای طبقهبندی در این زمینه، پیشبینی فرکانس تحریک را با موفقیت محقق ساختند.
به گزارش آنا، این پژوهش در قالب پایاننامه کارشناسی ارشد نسیم حقی با راهنمایی حمیدرضا مؤمنی عضو هیئت علمی دانشکده مهندسی برق و کامپیوتر انجام شد.
انتهای پیام/