مدلسازی و شبیه سازی تصویر محور جریان ردیاب اف.دی.جی در بافت سرطانی با بررسی شبکه مویرگی

در مدلسازی ریاضی رسانش دارو و جریان ردیاب، می توان گفت که دشوارترین بخش، ترتیب اثر دادن پیچیدگی شبکه مویرگی در هنگام شبیه‌سازی می‌باشد. به دلیل نقش کلیدی و مهم جریان خون در رشد تومور و نیز انتقال ردیاب به بافت‌های نرمال و سرطانی، مطالعات بسیاری به منظور بررسی تشکیل شبکه رگ و جریان خون در اطراف تومور انجام گردیده است. در این پژوهش، با استفاده از یک تصویر ورودی گرفته‌شده از یک شبکه مویرگی به ساخت هندسه‌ی حل دو‌بعدی و همچنین به مدل‌سازی عددی جریان ردیاب اف.دی.جی پرداخته شد. مراحل ساخت هندسه ی حل شامل پیش‌پردازش و پس‌پردازش تصویر رنگی ورودی به منظور آماده‌سازی و جدا سازی بخش شامل مویرگ‌ها از پس‌زمینه تصویر می‌باشد. پس از ساخت هندسه دامنه‌ی از تصویر پردازش شده، با حل همزمان جریان خون در مویرگها و جریان مایع میان بافتی درون بافت های نرمال و سرطانی، توزیع فشار و سرعت در شبکه مویرگی و بافت های نرمال و سرطانی به دست می‌آید و به عنوان ورودی برای مدل‌سازی عددی جریان ردیاب اف.دی.جی مورد استفاده قرار می‌گیرد. در نهایت با استفاده از روش مدل‌سازی عددی بر مبنای معادلات جابجاییپخشواکنش، توزیع ردیاب اف.دی.‌جی در بافت های نرمال و سرطانی در زمان‌های مختلف به دست می‌آید.

Image-based computational modeling of the FDG tracer in a solid tumor with a consideration of capillaries network

In a computational modeling of drug delivery and PET tracers to cancer tissues, the most difficult part is a consideration of a complexity of capillaries network. Because of the key role of blood flow in tumor feeding and growth that also carrying radiotracer into both normal and cancerous tissues, there are various studies have been done on the formation of new blood vessels and blood flow around a tumor. In this work, we used an image of a complex capillaries network to simulate FGD tracer distribution within both normal and cancerous tissues. Firstly, one RGB image was imported as an input image which consisted of the capillaries network and has been processed and made ready for creating 2D geometry from it. The creation of 2D geometry from the input image is consisted two areas: Preprocessing and PostProcessing the input image for preparation of it for the creation geometry by capturing the capillaries from a background of whole of the picture. In the next stage, with a usage of the achieved geometry and by coupling blood flow and interstitial flow, pressure and velocity distribution in the capillaries and both tumor and normal tissues were accomplished. Finally, by applying CDR (ConvectionDiffusionReaction) equations for FDG tracer, distribution of it was acquired within the whole normal and cancerous domain. Observing FDG tracer CDR modeling helped us find tracer distribution with both time and space.