>
Fa   |   Ar   |   En
   رده‌بندی درجه تومور گلیومای ساقه مغز بر اساس یافته‌های Mri با استفاده از مدل ماشین بردار پشتیبان  
   
نویسنده ذوالقدر زهرا ,علوی مجد حمید ,فائقی فریبرز ,نیاقی فرهاد ,حاجی زاده نسترن
منبع كومش - 1396 - دوره : 19 - شماره : 3 - صفحه:584 -590
چکیده    هدف: گلیومای ساقه مغز یکی از انواع تومورهای مغز است که 10 تا 20 درصد تومورها در کودکان و 2 درصد تومورهای بزرگسالان را شامل می شود و دارای دو درجه پایین و بالا است. تشخیص درجه تومور گلیوما توسط بیوپسی بیماران انجام می شود. هدف از این مطالعه ارایه یک مدل رده بندی برای تشخیص درجه تومور گلیوما بر اساس یافته های mri و هم چنین بررسی تاثیر هر یک از یافته های mri بر درجه تومور است.مواد و روش ها: در این مطالعه توصیفی تحلیلی، از اطلاعات mri و پاتولوژی همه بیماران (96 نفر) دارای تومور مغزی گلیوما که طی سال های 85 تا 91 به بخش استریوتاکسی بیمارستان شهدای تجریش مراجعه کرده اند، استفاده شده است. برای تحلیل داده ها از مدل ماشین بردار پشتیبان به عنوان یک مدل رده بندی با دقت بالا و مناسب برای داده هایی با تعداد متغیر های زیاد و یا متغیرهای کیفی با رده های زیاد و فراوانی کم در رده ها، استفاده شده است. اجرای مدل در برنامه r نسخه 1.3.3 انجام شده است.یافته ها: دقت کلی مدل رده بندی ماشین بردار پشتیبان 93 درصد، حساسیت مدل 90 درصد و ویژگی آن 93 درصد است. داشتن سردرد، گسترش تومور در نخاع، ظاهر هموژن، ظاهر شبه کیست، سیگنال ایزو در t1 و t2، ارتباط مثبتی با درجه تومور پایین و درگیری پونز، گسترش تومور در تالاموس، ظاهر با حدود مشخص، ظاهر نکروزی، سیگنال هایپر در t2 و انهانسمنت هتروژن ارتباط مثبتی با تومور درجه بالا دارند.نتیجه گیری: مدل رده بندی ماشین بردار پشتیبان بر اساس یافته های mri، در تشخیص درجه تومور دقت بالایی دارد
کلیدواژه گلیوم ساقه مغز،Mri، درجه تومور، رده‌بندی، مدل ماشین بردار پشتیبان
آدرس دانشگاه علوم پزشکی شهید بهشتی, دانشکده پیراپزشکی, گروه آمار زیستی, ایران, دانشگاه علوم پزشکی شهید بهشتی, دانشکده پیراپزشکی, گروه آمار زیستی, ایران, دانشگاه علوم پزشکی شهید بهشتی, دانشکده پیراپزشکی, گروه تکنولوژی پرتوشناسی, ایران, دانشگاه علوم پزشکی شهید بهشتی, بیمارستان طالقانی, بخش توسعه و تحقیقات بالینی, ایران, دانشگاه علوم پزشکی شهید بهشتی, دانشکده پیراپزشکی, گروه آمار زیستی, ایران
 
   Classification of brain stem glioma tumor grade based on MRI findings using support vector machine  
   
Authors Niaghi Farhad ,Faeghi Fariborz ,Alavi Majd Hamid ,Hajizadeh Nastaran ,zolghadr Zahra
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved