دیگر امکان تصویربرداری از بافت مغزی نوزادان فراهم شد!

کاظمی : این پروژه که یکی از بخش‌های طرح جندی‌شاپور بوده و به‌صورت همکاری مشترک بین 2 دانشگاه صنعتی خواجه‌نصیرالدین طوسی تحت هدایت دکتر حمید ابریشمی‌مقدم (دانشکده مهندسی برق) و پروفسور راینهارد گرب و

---

دیگر امکان تصویربرداری از بافت مغزی نوزادان فراهم شد
تصاویری واقعی از مراحل رشد
جام جم آنلاین: رشد و نمو مغز در دوران نوزادی، فرآیندی حساس به‌شمار می‌رود و هرگونه اختلال در این فرآیند، می‌تواند سبب بروز بیماری در فرد شود. این موضوع بویژه در شرایطی که نوزاد نارس بدنیا آمده باشد، بسیار حادتر است. در این میان، با پیشرفت‌های حاصل شده در زمینه ساخت سیستم‌های تصویربرداری تشدید مغناطیسی (MRI)، امکان تصویربرداری با کیفیت و رزولوشن بالا از بافت‌های مغزی نوزادان فراهم شده است.

---

---

 البته به‌کارگیری این تصاویر و استخراج اطلاعات از آنها، نیازمند پردازش‌های اولیه‌ای است که مهم‌ترین آنها ناحیه‌بندی درست و استخراج نواحی مورد نظر از تصاویر است. در واقع با استخراج بافت‌ها و کمی‌سازی آنها می‌توان به مدل‌سازی تغییرات در بافت‌ مغزی پرداخت و بر مراحل رشد نوزادان و کودکان نظارت کرد.

از طرف دیگر، داشتن یک مدل نزدیک به واقعیت از سر شامل پوست، جمجمه و مغز می‌تواند در حل دقیق‌تر مساله معکوس مکان‌یابی منبع سیگنال‌های الکتریکی EEG ثبت شده روی پوست و چگونگی انتشار امواج الکترومغناطیسی در سر نوزادان کمک کند.

در پروژه‌ای که با تلا‌ش پژوهشگران دانشگاه خواجه نصیرطوسی انجام شد یک روش خودکار هم برای ناحیه‌بندی تصاویر ام.آر.آی گرفته شده از سر نوزادان و استخراج بافت‌های مغز، مایع مغزی ‌ نخاعی و جمجمه ارائه شده است.

با پیشرفت‌های به دست آمده در علم پزشکی و به کمک سیستم‌های تصویربرداری مدرن مانند ام.آر.آی، پزشکان تلاش می‌کنند ارتباطی بین شکل مغز، حجم آن و رشد و تغییرات سیستم عصبی و رفتاری نوزادان (بویژه نوزادان نارس) بیابند. در این میان بررسی و آنالیز تصاویر ام.آر.آی نوزادان  نیازمند به‌کارگیری نرم‌افزار و ابزاری است که به‌وسیله آن بتوان اطلاعات عددی در زمینه رشد مغز را استخراج کرد.

نسل جدید تصویربرداری از ساختارهای مغزی‌

ام.آر.آی یا تصویربرداری رزونانس مغناطیسی، تکنیک نسبتا جدیدی است که از آغاز دهه 1980 مورد استفاده قرار گرفته است.در اسکن‌های ام. آر.آی از امواج مغناطیسی و رادیویی یا هرگونه پرتو غیراشعه ایکس استفاده می‌شود، لذا فرد در معرض اشکال زیانبار پرتو قرار نمی‌گیرد. در این روش، بیمار داخل یک آهن‌ربای لوله‌ای شکل بزرگی قرار می‌گیرد، سپس امواج رادیویی 10 هزار تا 30 هزار برابر قوی‌تر از میدان مغناطیسی زمین به بدن او ارسال می‌شود. این امواج اتم‌های بدن را تحت تاثیر قرار می‌دهد، به طوری که هسته اتم‌ها در موقعیت متفاوتی قرار می‌گیرد.

با بازگشت به حالت اول، هسته اتم‌ها امواج رادیویی خود را ساطع می‌کنند.اسکنر این سیگنال‌ها را دریافت می‌کند و رایانه آنها را به صورت عکس درمی‌آورد. مبنای این تصاویر، محل و قدرت سیگنال‌های ورودی است. از آنجایی که بدن ما را عمدتا آب تشکیل می‌دهد و آب حاوی اتم‌های هیدروژن است.

به همین دلیل هسته اتم هیدروژن اغلب برای ایجاد یک اسکن ام.آر.آی به کار می‌رود. با استفاده از اسکنر ام.آر.آی امکان عکس گرفتن تقریبا از همه بافت‌های بدن وجود دارد.بافتی که کمترین اتم‌های هیدروژن را دارد (مثل استخوان‌ها) در تصویر تیره می‌شود، در حالی که بافت‌های دارای اتم‌های هیدروژن زیاد (مانند بافت چربی) روشن‌تر دیده می‌شود؛ در این میان، از آنجا که اطلاعات سطوح خاکستری تصویر برای ناحیه‌بندی دقیق بافت‌های مغزی بویژه در نوزادان کافی نیست، از این رو استفاده از مدل‌های هندسی و آماری که در برگیرنده دانش آناتومیکی از ساختارهای مغزی هستند، اجتناب ناپذیر است.

در واقع به دلیل تفاوت‌های آشکار بین مغز نوزادان و بزرگسالان، همانند اندازه یا تغییرات مورفولوژیک مداوم، نمی‌توان از اطلس‌های موجود که برای بزرگسالان طراحی شده‌اند، استفاده کرد. به همین دلیل به‌عنوان اولین فعالیت اطلس آماری برای سر نوزادان رده سنی 39 تا 42 هفته شامل مدل هندسی اطلس و مدل‌های آماری بافت‌های مغز، CSF و جمجمه با کمک تصاویر نوع1 T خلق شده است. به گفته دکتر کامران کاظمی، ‌در این پروژه برای ارزیابی مدل هندسی از آن در یکسان‌سازی تصاویر نوزادان استفاده کرده و با دو روش تصاویر یکسان‌سازی شده ارزیابی شد:

1) ارزیابی میزان تغییرات نشانه‌های آناتومیک از پیش تعیین شده.

2) بررسی میزان تغییرات در طول پردازش‌های غیر‌خطی برای تطابق.

کاظمی‌ می‌افزاید: نتایج حاصل نشان می‌داد یکسان‌سازی تصاویر نوزادان با کمک مدل ویژه آنها، از دقت بالاتری به نسبت به‌کارگیری مدل‌های هندسی نامتناسب بزرگسالان یا کودکان برخوردار است. همچنین به منظور بررسی دقت مدل‌های آماری از آنها، برای ناحیه‌بندی تصاویر نوع 1T نوزادان با کمک نرم‌افزارSPM  استفاده کردیم. نتایج حاصل نشان می‌داد ناحیه‌بندی با کمک این مدل‌ها از دقت بالاتری برخوردار است.

به گفته کاظمی، ‌در دومین بخش از فعالیت‌های انجام شده و از آنجا که برای ارزیابی نتیجه ناحیه‌بندی انجام شده روی تصاویر نوزادان به داده‌های ارزیابی نیاز است، شبیه‌سازی ویژه تصاویر ام.آر.آی نوزادان ایجاد شد. برای این کار، ابتدا فانتوم ویژه (جسمی‌مجازی که بر اساس مشخصات واقعی ایجاد می‌شود) سر نوزادان را با استفاده از خصوصیات آنها خلق کردیم و با استفاده از آن تصاویر نوزادان به شبیه‌سازی پرداختیم. جسم مجازی ایجاد شده دارای 9 لایه شامل پوست، عضلات، چربی، جمجمه، نسج سخت، ماده سفید بدون میلین، ماده سفید میلین‌دار، ماده خاکستری و CSF است.

به کمک سیستم‌های تصویربرداری مدرن پزشکان تلاش می‌کنند ارتباطی بین شکل مغز حجم آن و رشد و تغییرات سیستم عصبی و رفتاری نوزادان بیابندهر وکسل از فانتوم (هرجز از تصاویر سه بعدی) با یک بردار شامل 9 درجه تعلق (به ازای حضور بافت‌های مختلف) تعریف می‌شود. به منظور اطمینان از دقت آناتومیک آن، بافت‌های استخراج شده از سوی رادیولوژیست مورد بررسی قرار گرفت و صحت آن تایید شد. همچنین برای اطمینان از دقت تصاویر شبیه‌سازی شده، مقدار نسبت سیگنال به نویز در تصویر شبیه‌سازی شده با مقدار تخمین‌ زده شده مورد مقایسه قرار گرفت. البته نتایج به دست آمده نشان دهنده دقت مناسب در شبیه‌سازی بود.

کاظمی‌درباره نرم‌افزارهای به‌کار رفته در این پروژه می‌گوید:در آخرین مرحله از فعالیت‌های انجام شده در این پروژه و برای ناحیه‌بندی تصاویر نوزادان، نرم‌افزار SPM را به کار بردیم  که برای ناحیه‌بندی از الگوریتم EM استفاده می‌شود  با این تفاوت که از مدل‌های آماری خلق شده برای نوزادان استفاده کردیم. نتایج کمی و کیفی روشن می‌کند که نواحی استخراج شده برای مغز و CSF از دقت مناسبی برخوردار بوده و حداقل خطای ناحیه‌بندی را دارند.

همچنین مقایسه نتایج کمی‌ به دست آمده از ناحیه‌بندی این دو بافت در تصاویر بزرگسالان با روشی مشابه نشان می‌دهد، راه‌حل ارائه شده برای ناحیه‌بندی تصاویر نوزادان از کارایی مشابه با بزرگسالان برخوردار است. در مقابل، نتایج ارائه شده برای ناحیه‌بندی جمجمه مشخص می‌کند، روش EM از کارایی پایین‌تری برای ناحیه‌بندی جمجمه نسبت به ناحیه‌بندی مغز وCSF  در نوزادان برخوردار است که مهم‌ترین دلیل آن عدم یکنواختی در شدت روشنایی جمجمه در نوزادان است.

نوزادان بویژه در صورت نارس بودن در معرض اختلالات عصبی یا مشکلات آموزشی قرار می‌گیرند. تحقیقات نشان داده، حدود2/6 درصد نوزادان در فرانسه و 3/12 درصد در امریکا با سنی کمتر از 37 هفته و به صورت نارس (از زمان شروع بارداری) متولد می‌شوند، متقابلا نوزادانی که پس از این به دنیا می‌آیند به آنها نوزادان کامل می‌گویند. با پیشرفت‌های جدید در علم پزشکی و با کمک سیستم‌های تصویربرداری مدرن مانند ام.آر.آی ، پزشکان تلاش می‌کنند که ارتباطی بین شکل مغز، حجم آن، رشد و تغییرات سیستم عصبی و رفتاری نوزادان (بویژه نوزادان نارس) بیابند. البته بررسی و آنالیز تصاویر ام.آر.آی نوزادان با استفاده از نرم‌افزاری  امکان‌پذیر است که به وسیله آن بتوان اطلاعات عددی را در زمینه رشد مغز استخراج کرد.

مشکلات تصویربرداری درنوزادان حل می‌شود

اولین مراحل برای آنالیز و مطالعه تصاویر MRI نوزادان، ناحیه‌بندی و تعیین مکان بافتهاست. ناحیه‌بندی تصاویر ام.آر.آی نوزادان این امکان را فراهم می‌کند که بتوان بافت مغزی را از دیگر بافت‌ها استخراج کرد یا این‌که بافت‌های ماده سفید و ماده خاکستری را متمایز کرده و مطالعات ویژه هر بخش و تغییرات آن را مطالعه کرد.

کاظمی‌می‌گوید: در این پروژه تحقیقاتی کوشیدیم تا ابزاری برای ناحیه‌بندی تصاویر نوزادان طراحی کنیم. در این راه برای نخستین بار اطلسی دیجیتال و با مشخصات استاندارد برای نوزادان طراحی کردیم. این اطلس شامل مدل هندسی و نیز مدلهای آماری بافتهای مغز، مایع مغزی نخاعی و جمجمه است.

از این اطلس به عنوان محدودیت مکانی در ناحیه‌بندی تصاویر استفاده کردیم. از جمله کاربردهای این اطلس می‌توان به‌کارگیری در جنبه‌های آموزشی را نام برد. علاوه بر اینها با استفاده از ناحیه‌بندی انجام شده، می‌توان مدلی نزدیک به واقعیت برای نوزادان ساخت. این مدل بویژه در نوزادان دارای بیماری صرع کاربرد دارد؛ چرا که می‌توان با کمک این مدل و نیز سیگنال EEG ضبط شده، ناحیه‌ای که حمله صرعی از آن شروع می‌شود را شناسایی کرد.

همچنین با توجه به مشکلات تصویربرداری از نوزادان در این پروژه برای نخستین بار شبیه‌ساز تصاویر  ام.آر.آی طراحی و به‌صورت نرم افزاری پیاده‌سازی شد. با استفاده از این نرم‌افزار می‌توان تصاویری با رزولوشن و کیفیت‌های متفاوت از نوزادان گرفت. این نرم‌افزار می‌تواند به عنوان یک نرم‌افزار آموزشی برای پزشکان مورد استفاده قرار گیرد. حملات تشنجی از شایع‌ترین اشکال بالینی بیماری‌های دستگاه عصبی مرکزی در دوره نوزادی است.

از آنجا که 20 تا 50 درصد کودکانی که در دوره نوزادی تشنج داشتند، بعدا دچار صرع می‌شوند تشخیص این نوع حملات ضروری است بویژه نوزادانی که از تشنج طولانی رنج می‌برند، همچنین از آن می‌توان برای تولید تصاویر مصنوعی با کیفیت‌های مختلف برای ارزیابی الگوریتم‌های طراحی شده استفاده کرد. صرع یک بیماری است که با تشنجات پی در پی در یک دوره زمانی خود را نشان می‌دهد.

تشنج به یک حمله ناگهانی در فعالیت الکتریکی مغز اطلاق می‌شود که می‌تواند باعث کاهش هوشیاری، حرکات مکرر و انقباضات عضلانی و گاهی اختلالات حسی شود. 25‌درصد موارد صرع در سنین قبل از 5 سالگی بروز کرده و 50 درصد موارد آن قبل از 25 سالگی خود را نشان می‌دهند و به صورت موروثی هستند که در خانواده‌های خاصی شیوع بیشتری را دارند.

کاظمی ‌در پایان می‌افزاید: این پروژه که یکی از بخش‌های طرح جندی‌شاپور بوده و به‌صورت همکاری مشترک بین 2 دانشگاه صنعتی خواجه‌نصیرالدین طوسی تحت هدایت دکتر حمید ابریشمی‌مقدم (دانشکده مهندسی برق) و پروفسور راینهارد گرب و دانشکده پزشکی دانشگاه Picardie Jules Verne از کشور فرانسه و در 5  سال انجام شده است.

بهاره صفوی

---

 تدوین اطلس دیجیتال سر نوزادان در دانشگاه صنعتی خواجه نصیرالدین طوسی

---