مقدمه: Multiple sclerosis (MS) یک بیماری حاد و خودایمنی است که سبب التهاب و تخریب میلین در سیستم عصبی مرکزی می شود. در این مطالعه، از سکانس دیفیوژن با مقادیر مختلف b-value استفاده شد تا مقدار بهینه ی آن مشخص گردد. این مطالعه با هدف بررسی پلاک های فعال MS با استفاده از روش Diffusion-weighted imaging (DWI) و مقایسه ی دقت تشخیصی آن با روش افزایش کنتراست انجام شد. روش ها: این مطالعه ی مقطعی بر روی 90 بیمار مبتلا به MS-بر اساس معیارهای Mc Donald-که به مرکز تصویربرداری شفای اصفهان ارجاع شده بودند، انجام شد. محل پلاک ها و تعداد آن ها توسط پزشک رادیولوژیست در چک لیست مربوط ثبت گردید. تصویربرداری با استفاده از سیستم Siemens مدل Avanto، با قدرت 5/1 تسلا و کویل سر استاندارد انجام شد. یافته ها: تصاویر وزن دیفیوژن (Diffusion weighted) با b-valueهای پایین، رابطه ی مستقیم و معنی داری با روش Contrast enhancement (CE) در تعیین پلاک های فعال دارند (005/0 = P). تصاویر با b-value برابر 500، بیشترین حساسیت (75 درصد) و ویژگی (7/87 درصد) را در تشخیص پلاک های فعال داشتند. نتیجه گیری: نتایج نشان داد که روش DWI با دستگاه 5/1 تسلا توانایی متمایز نشان دادن پلاک های فعال از غیر فعال را دارد؛ چرا که تصاویر DWI با b-valueهای پایین، رابطه ی مستقیم و معنی داری با روش CE در تعیین پلاک های فعال داشتند.

زمینه و هدف: ضایعات آندومتر چالش های مهمی در تشخیص و مدیریت ایجاد می کنند و به تکنیک های تصویربرداری پیشرفته برای ارزیابی دقیق نیاز دارند. در میان این تکنیک ها، تصویربرداری تشدید مغناطیسی با کنتراست پویا (DCE) و تصویربرداری بر وزن انتشار یا تصویربرداری دیفیوژن (DW) به عنوان ابزار ارزشمندی پدیدار شده اند. مطالعه حاضر با هدف بررسی نقش DWI-MRI و DCE-MRI در ارزیابی ضایعات آندومتر انجام شد. روش کار: پایگاه های اطلاعاتی بین المللی (Web of Science، PubMed، Scopus و Embase) جست وجو گردید و مطالعاتی که نقش DWI-MRI و DCE-MRI را در ارزیابی ضایعات آندومتر را بررسی می کردند استخراج شدند. داده های جمع آوری شده با استفاده از مدل اثرات تصادفی در STATA (نسخه 15) مورد تجزیه و تحلیل قرار گرفتند. یافته ها: از مجموع مطالعات جمع آوری شده، 16 مورد معیارهای واجد شرایط بودن را داشتند که شامل حجم نمونه کل 754 نفر بود. میانگین سنی افراد مورد مطالعه 03/10±58 سال بود. نتایج نشان داد که حساسیت DWI-MRI در ارزیابی ضایعات آندومتر 83% (79% تا 86%)، ویژگی 87% (84% تا 90%) و دقت آن 88% (83% تا 94%) می باشد. همینطور حساسیت DCE-MRI 86% (80% تا 91%)، ویژگی 87% (83% تا 90%) و دقت 85% (80% تا 90%) به دست آمد. نتیجه گیری: به طور خلاصه، نتایج این مطالعه از کاربرد DWI-MRI و DCE-MRI به عنوان ابزارهای ارزشمند در تکنیک های تشخیصی برای ارزیابی ضایعات آندومتر حمایت می کند.

شدت واقعی سیگنال استخراج شده از تصاویر MRI به دلیل اصلاح نوفه در محاسبات مربوط به مقدار بزرگی(magnitude) سیگنال در پیکسل های کم شدت، همواره با نوفه ی رایسین همراه است. این مسئله به ویژه برای تصویربرداری های MRI با نسبت سیگنال به نوفه ی بسیار کم (SNR<3. 0) مانند دیفیوژن MRI، در مقادیر بزرگِ مشهور به b-value (حاصل کاربرد گرادیآن های مغناطیسی پرقدرت در زمآن های طولانی) نیز صادق است. در این پژوهش روشی برای حذف نوفه ی رایسین از پیکسل های تصاویر حاصل از مقدار بزرگی در MRI ارائه و یک معادله ی خطی با عبارت تصحیح نوفه پیشنهاد شده که می تواند نوفه ی بایاس شده را به پیکسل ها بطور منفرد حذف کند. در صورت مشخّص بودن مقدار متوسط و واریانس تابع دانسیتهء شدت هر پیکسل، این تصحیح نوفه مطلوب و کامل است، اما در صورت عدم دسترسی دقیق به این اطلاعات برای هر تک پیکسل، میانگین گیری از نزدیک ترین پیکسل های مجاور در تصویر معادله ی تصحیح نوفه به کارگرفته می شود. انتخاب تعداد پیکسل های مجاور با رساندن خطا به کمترین مقدار تقریبی انجام می شود. طبق محاسبه در این روش، به کارگیری دست کم 9 پیکسل همسایه برای سیگنال به نوفه معادل0/1 SNR=1. 0)) مقدار تقریبی تا زیر 10 % خطا می دهد. روش کاهش نوفه ی رایسین ارائه شده در این مقاله برتری قابل ملاحظه ای را در حذف نوفه از سیگنال دیفیوژن MRI در مقادیر بزرگ b-نسبت به روش های ارائه شده تا زمان حاضر نشان می دهد.

سابقه و هدف: شایع ترین تومور اولیه سیستم اعصاب مرکزی، تومورهای گلیوما هستند. بیوپسی روش استاندارد طلایی برای مشخص کردن درجه تومورهای گلیوما است که روشی تهاجمی محسوب می شود. ارزیابی صحیح درجه تومور برای تعیین روش درمان مناسب بسیار مهم است. هدف از این مطالعه، ارزیابی نقش تصویربرداری دیفیوژن تانسور (Diffusion Tensor Imaging) (به عنوان یک روش غیرتهاجمی) به وسیله فرکشنال آنیزوتروپی (Fractional Anisotropy) در درجه بندی تومورهای گلیوما است.مواد و روش ها: در مطالعه ای آینده نگر، 20 بیمار مبتلا به تومور گلیوما (که از نظر پاتولوژی تایید شده اند)، تحت آزمون DTI با استفاده از مگنت 1.5 تسلا قرار گرفتند. در این مطالعه دو ROI (Region Of Interest) تعریف نمودیم: اولی ماده سفید مجاور تومور و دومی الیاف عصبی مشابه با ROI اول در نیمکره مقابل. پارامتر مورد نظر (فرکشنال آنیزوتروپی) را در مناطق انتخابی با استفاده از نرم افزار SPSS به دست آورده و رابطه آن را با درجه تومور بررسی می کنیم.یافته ها: مقدار (FAt) و نسبت (FAt/n) فرکشنال آنیزوتروپی در تومورهای درجه پایین بالاتر از تومورهای با درجه بالا است (P=value Fat=0.006 و P-value Fat/n=0.02).استنتاج: بنابر یافته های ما، از پارامتر فرکشنال آنیزوتروپی در درجه بندی تومور می توان کمک گرفت.

زمینه و هدف: افتراق و ارزیابی نواحی توموری و تورم پیرامون تومور در تومورهای گلیوبلاستومای مغزی به علت ناهمگونی ذاتی در توزیع سلولی نواحی مختلف این تومورها در تصاویر دیفیوژن وزنی بسیار پیچیده است. هدف از انجام مطالعه کنونی، افتراق نواحی تومور و تورم پیرامون تومور با استفاده از روش های محاسباتی ارزیابی ناهمگونی در تصاویر دیفیوژن بود. روش بررسی: در این مطالعه گذشته نگر، تصویربرداری در مرکز تصویربرداری بیمارستان امام خمینی (ره) تهران و تحلیل از اردیبهشت تا شهریور 1396 در مرکز تحقیقات تصویربرداری سلولی و مولکولی دانشگاه علوم پزشکی تهران به انجام رسید. نواحی توموری و تورم پیرامون تومور در تصاویر دیفیوژن 20 بیمار مبتلا به گلیوبلاستوما مالتی فرم مغزی که با استفاده از اسکنر 3 تسلا ام آر آی تحت تصویربرداری متداول و دیفیوژن وزنی قرار گرفته بودند، توسط پزشک متخصص بخش بندی شدند و ویژگی های توصیف کننده شکل هیستوگرام برای هر دو ناحیه استخراج شدند و ترکیب آن ها مورد ارزیابی قرار گرفت. یافته ها: ترکیب هشت ویژگی از مجموع 14 ویژگی هیستوگرام شامل میانه، میانگین نرمالیزه شده، انحراف معیار استاندارد، چولگی (Skewness)، انرژی، صدک های 25، 75 و 95، می تواند منجر به افتراق با دقت 96.4% و عملکرد تشخیصی حدود 100% شود. با استفاده از ترکیب ویژگی های میانه، چولگی، صدک 75 نیز می توان به دقت افتراقی 92.7% و عملکرد تشخیصی 98.9% دست یافت. نتیجه گیری: نتایج حاصل از این پژوهش کنونی نشان می دهد که نحوه پخش مکانی سلول ها در نواحی تومور فعال و تورم پیرامون تومور با یکدیگر متفاوت است و بدین ترتیب می توان با ارزیابی مشخصات بافت توسط تحلیل هیستوگرام، این نواحی را با دقت بالا از یکدیگر تفکیک کرد.

زمینه: تصویربرداری ملکولی روشی نوین در بررسی مطالعات فیزیولوژیکی در ابعاد مولکولی می باشد. از میان روش های مختلفی که برای این منظور معرفی شده است، روش اسپکتروسکوپی تشدید مغناطیسی (MRS) امکان مطالعه دقیق تر فعالیت های ناحیه مغز و نیز تومورهای نواحی مختلف بدن را فراهم آورده است.مواد و روش ها: در این مطالعه مروری، با استفاده از کلید واژه هایی از قبیل MRS، Molecular imaging و Cancer در سایت های معتبر علمی نظیر PUBMED و ISI به بررسی مطالعات انجام شده و یافته های حاصل در زمینه MRS پرداخته شد.یافته ها: تصویربرداری MRS امکان مطالعه اختلالات در ناحیه مغز از قبیل بیماری آلزایمر و سرطان های مغز و پروستات و سایر ارگان ها را فراهم می آورد. این روش همچنین در تشخیص (میان بافت نرمال و سرطانی، انواع مختلف سرطان، و نئوپلاستیک از غیر نئوپلاستیک)، طراحی مطلوب ترین رژیم های درمانی برای هر بیمار و نیز مانیتور کردن بیماری بعد از درمان مورد استفاده قرار گرفته است.نتیجه گیری: روش تصویربرداری MRS روشی نوین در تصویربرداری ملکولی است که می تواند در انواع تشخیص های افتراقی مورد استفاده قرار بگیرد. این روش می تواند عدم توانمندی روش MRI در بررسی آسیب شناسی را برطرف نماید.

تصویربرداری مولکولی به روش تشدید مغناطیسی با ردیابی عامل های کنتراست، امکان تشخیص زود هنگام بیماری ها به شیوه­ ای غیر تهاجمی را فراهم کرده است. درهمین اواخر با طراحی رشته پالس تصویربرداری مناسب بر روی پویش گر تشدید مغناطیسی، امکان اندازه گیری میزان تبادل شیمیایی بین عامل کنتراست و آب که به پدیده انتقال اشباع به واسطه تبادل شیمیایی (CEST) مشهور است، امکان پذیر شده است. اثر CEST منجر به کاهش تعداد هیدروژن­ های آب و پایین­ آمدن شدت روشنایی تصویر تشدید مغناطیسی می شود؛ لذا به این اثر کنتراست منفی CEST هم گفته می­ شود. وجود رابطه­ ای تحلیلی بین نرخ تبادل شیمیایی و شاخص­ های بالینی (دما، مصرف گلوکز، pH و موارد دیگر)، علاقه مندی به اندازه گیری و کمّی­ سازی کنتراست CEST را افزایش داده است. این پژوهش یک فرمول ریاضی بسته دقیق از کنتراست CEST در حالت­ های گذرا و دایمی ارایه می­ دهد. در این مطالعه با شناسایی عوامل تخریبی مزاحم، مانند انتقال مغناطیس شوندگی توسط ماکرومولکول ها (MT) و اثر اشباع مستقیم آب، کنتراست CEST در مدل های دو و سه حوضچه­ ای با استفاده از داده­ های پارامتری برگرفته از بافت بدن و داده­ های ناشی از مشاهدات تجربی، مدل سازی می­ شود. تطابق کنتراست CEST پیشنهادی با روش اندازه­ گیری غیر­ متقارن که مورد استناد بسیاری از پژوهش گران است، برای عامل های کنتراست پارامگنتیک در یک مدل سه حوضچه ای بررسی شده است. میزان خطای نسبی برازش به طور متوسط بر روی سه دسته داده تجربی از چهار درصد کمتر بود؛ علاوه بر آن سازگاری مقبولی بین کنتراست CEST پیشنهادی با یک فرمول تجربی بر اساس داده­ های مبتنی بر عامل­ های دیامگنتیک در مدل دو حوضچه­ ای هم دیده می­ شود. با دست یابی به این رابطه تحلیلی از کنتراست CEST، امکان بهینه­ سازی و درک نحوه وابستگی آن به پارامترهای اثرگذاری مانند میزان غلظت عامل کنتراست، نرخ تبادل شیمیایی و ویژگی­ های پالس الکترومغناطیسی (مانند دامنه و عرض پالس در پالس­ های مستطیلی) فراهم می­ شود.

1مقدمه: این مقاله روشی جدید برای تشخیص بیماری آلزایمر بر اساس ویژگی­ های تصاویر تصویربرداری تشدید مغناطیسی (MRI) ارائه می­ کند. تصاویر MRI با حداقل 3 تسلا و ضخامت 3 میلی­متر برای تعیین پلاک­ های پیری و کلاف­ های مارپیچی ثبت می ­شود. روش کار: ویژگی های تصاویر MRI مانند آتروفی لوب گیجگاهی میانی، حجم ماده سفید، حجم ماده خاکستری، مایع مغزی نخاعی و عدم تقارن تعیین می شود. افراد به سه گروه افراد سالم، بیماران خفیف و شدید تقسیم شدند. عدم تقارن و میانگین آتروفی لوب گیجگاهی با پیشرفت بیماری آلزایمر افزایش می ­یابد، زیرا میزان آسیب به لوب گیجگاهی در تصاویر MRI بیماری آلزایمر افزایش یافته است. یافته­ها: صحت نتایج شبکه عصبی Elman با ویژگی های استخراج شده از تصاویر MRI با صحت نتایج شبکه عصبی کانولوشنی مقایسه می شود. صحت نتایج با ترکیب ویژگی­ ها در افراد سالم 82/5 درصد بود. در بیماران آلزایمر خفیف 86/5 درصد و در بیماران آلزایمر شدید 94/5 درصد است. نتیجه­گیری: بالاترین صحت نتاج در گروه بیماران مبتلا به آلزایمر شدید و مناسب ترین ویژگی در بین ویژگی های تصاویر MRI، میزان آتروفی لوب گیجگاهی داخلی است. استفاده از شبکه عصبی کانولوشنی نشان می­ دهد که صحت نتایج در گروه سالم 98 درصد، در گروه خفیف 97/7 درصد و در گروه بیماران شدید 97/5 درصد است. این نتایج نشان می­ دهد که عملکرد شبکه عصبی کانولوشنی در مقایسه با شبکه عصبی Elman دارای صحت نتابج بیشتری است.