بهینه‌سازی ضرایب مدل هایپرالاستیک بافت نرم با استفاده از داده‌های تجربی و الگوریتم ژنتیک

سرطان بافت نرم معادل با تغییر خواص مکانیکی بافت است. در سالهای اخیر همواره علم پزشکی به دنبال معرفی روشهای نوین در راستای تشخیص زودهنگام سرطانهای بافت نرم بودهاست. وجه تمایز این روشها از روشهای متداول معاینه بافت، کاهش میزان آسیب و تهاجم وارد به بافت همزمان با افزایش دقت تشخیص است. این مقاله قصد دارد با استفاده از دادههای حاصل از آزمایشهای بالینی روی بافت سینه به تحلیل و مدل‌سازی رفتار مکانیکی قسمتی از بافت نرم سینه توسط مدل هایپرالاستیک مونی-ریولین بپردازد. به این منظور از یک دستگاه اعمال کرنش مکانیکی برمبنای روش نوین و غیرتهاجمی حس لامسهی مصنوعی استفاده شده است. این دستگاه برروی 8 بیمار با گسترهی سنی بین 20 تا 50 سال درکلینیک فوق تخصص بیماریهای سینه زنان جهاددانشگاهی و بادرنظرگرفتن پروتکلهای بالینی، مورد تست و ارزیابی بالینی قرارگرفته است. خروجی دستگاه شامل مقادیر تنش برحسب کرنش است. از آنجایی که خواص مکانیکی بافت سینه در ناحیههای مختلف بسیار متفاوت است، چند ناحیه مشخص روی بافت در بیماران مختلف انتخاب‌شده و در مجموع 40 ناحیه مورد آزمایش توسط دستگاه قرار گرفته است. به منظور رسیدن به یک مدل قابل اطمینان، پایدار و بهینه، از الگوریتم ژنتیک برای بهینهکردن ضرایب مدل هایپرالاستیک مونیریولین استفاده میکنیم. نتایج نشان میدهد که با استفاده از این مدل می‌توان رفتار مکانیکی ناحیههای مختلف از بافت نرم سینه را با دقت بالایی مورد بررسی و پیش‌بینی قرار داد. مدل به دست آمده قابلیت تشخیص وجود بیماری و پیگیری روند تغییرات آن را دارا است.