گروه فیزیک پزشكی

امتیاز کاربران

ستاره فعالستاره فعالستاره فعالستاره فعالستاره فعال

با سلام و احترام،

 

گروه فیزیک پزشکی با تمرکز بر پروژه‌های تحقیقاتی مبتنی بر داده‌های تصویری (Image-Based)، همواره بر کاربردی بودن نتایج تأکید داشته استهدف اصلی، طراحی و توسعه پایپ‌لاین‌هایی برای اجرای مراحل مختلف پروژه‌ها، شامل خواندن داده‌، پیش‌پردازش، پردازش، پیاده‌سازی مدل‌های یادگیری ماشین (از روش‌های متداول و روتین تا روش‌های جدیدتر مبتنی بر یادگیری عمیق)، و تحلیل و ارائه نتایج استدر پیاده‌سازی این پایپ لاینها همواره از ابزارهای مختلف برنامهنویسی تا انواع نرم‌افزارها استفاده می‌شده که عملاً انجام مراحل آن برای متخصصان پزشکی، از لحاظ زمانی و پیچیدگی مراحل، نامحتمل استبسیار ارزشمند و کاربردی خواهد بود اگر این پایپ‌لاین‌ها به گونه‌ای اجرایی شوند که در قالب یک اپلیکیشن کاربرپسند با رابط گرافیکی (GUI) پیاده‌سازی شده تا استفاده از آن‌ها در محیط‌های بالینی و تحقیقاتی برای متخصصان پزشکی و غیرمتخصصان آسان و مؤثر باشد.

داده‌های مورد استفاده در این پروژه‌ها از سیستم‌های تصویربرداری دو و سه بعدی ساختاری-عملکردی و داده‌های سیستم‌های طراحی درمان رادیوتراپی (TPS) جمع‌آوری می‌شونددر بسیاری از جلسات دفاع از پایان‌نامه، چه از سوی دانشجو و اساتید راهنما و چه از سوی داوران، پیشنهاد شده که پیاده‌سازی پروژه‌ها در قالب یک رابط گرافیکی کاربر (GUI) می‌تواند کاربرد بالینی نتایج را تسهیل کرده و ارزش عملی پروژه‌ها را به طور چشمگیری افزایش دهداین رویکرد نه تنها به ساده‌سازی فرآیندهای پیچیده کمک می‌کند، بلکه امکان استفاده گسترده‌تر از نتایج در محیط‌های درمانی را فراهم می‌سازد.

یکی از قدرتمندترین و جذاب‌ترین ابزارها (نظر شخصیبرای توسعه چنین اپلیکیشن‌هایی، نرم‌افزار متن‌باز 3DSlicer است که به دلیل پشتیبانی گسترده، جامعه‌ی کاربری جهانی و امکانات متنوع، به یکی از پلتفرمهای پیشرو در پردازش تصاویر پزشکی تبدیل شده استاز جمله مزایای کلیدی 3D Slicer می‌توان به موارد زیر اشاره کرد:

  • پشتیبانی از پایتون داخلی: 3D Slicer دارای یک محیط پایتون اختصاصی است که امکان نصب و استفاده مستقیم از کتابخانه‌های پایتون مانند NumPy، SciPy، Scikit-learn، XGBoost، Keras، TensorFlow و PyTorch را فراهم می‌کنداین قابلیت توسعه مدل‌های یادگیری ماشین و یادگیری عمیق را بسیار آسان می‌کند.

  • ادغام ابزارهای خارجی: امکان فراخوانی و ادغام نرم‌افزارهای خارجی مانند SPM و FSL از طریق کنسول پایتون داخلی یا ماژول‌های سفارشی وجود دارد.

  • ابزارهای توسعه GUI: از Qt Designer برای طراحی رابط‌های کاربری گرافیکی پشتیبانی می‌کند و ماژول Extension Wizard فرآیند ساخت و افزودن ماژول‌های جدید را ساده‌تر می‌سازد.

  • ماژول‌های متنوع و آماده: مجموعه گسترده‌ای از ماژول‌های آماده در دسترس است که نه تنها در اجرای پروژه‌ها مفید هستند، بلکه می‌توانند الهام‌بخش ایده‌های نوآورانه برای تحقیقات جدید باشند.

برای آشنایی بیشتر با قابلیت‌های 3D Slicer، پیشنهاد می‌کنیم به وب‌سایت رسمی آن و بخش کاتالوگ افزونه‌ها مراجعه کنیداین بخش شامل دسته‌بندی‌های متنوع ماژول‌های موجود است که ابزارهای قدرتمندی برای پردازش و تحلیل داده‌های تصویری ارائه می‌دهند و می‌توانند در پیشبرد پروژه‌ها و حتی ایده پردازی نقش کلیدی داشته باشند.

به منظور آشنایی بیشتر با قابلیت‌های این رویکرد، ویدئوهایی از چهار پروژه نمونه که در قالب ماژول‌های 3DSlicer پیاده‌سازی شده‌اند، تهیه شده و از طریق لینک‌های زیر قابل دانلود هستند:

  1. ماژول GenerateElectronBolus
    توسعه‌یافته به همراه خانم اظهری و با راهنمایی آقای دکتر غلامحسینیاناین ماژول امکان مدلسازی اختصاصی بلوس برای هر بیمار تحت درمان با پرتو الکترونی را فراهم می‌کند و خروجی آن به فرمت قابل خواندن برای پرینترهای سه‌بعدی ارائه می‌شود.
    لینک دانلود

 

  1. ماژول EPID Model
    توسعه‌یافته به همراه خانم باقری و با راهنمایی آقای دکتر مومن‌نژاداین ماژول امکان افزودن EPID به تصاویر CT بیماران بخش رادیوتراپی را فراهم می‌کندخروجی این ماژول تصاویر CT جدیدی است که می‌توان به سیستم TPS ایمپورت کرد تا دوزیمتری در موقعیت EPID توسط TPS انجام شود و نتایج آن در پروژه‌های بعدی مورد استفاده قرار گیرد.

    لینک دانلود

 

  1. ماژول BonkerSimulation
    در حال توسعه به همراه آقای رستمی و با راهنمایی آقای دکتر غلامحسینیان و آقای دکتر ساعت‌چیاناین ماژول امکان تنظیم شبیه‌سازی‌های مونت کارلو با کد GATE را برای ارزیابی مسائل شیلدینگ پرتوی و محاسبه و نمایش سه‌بعدی دوزیمتری در فضای بونکر شتابدهنده فراهم می‌کند.

    لینک دانلود

 

  1. ماژول EndoSegment
    توسعه‌یافته به همراه آقای دکتر امیری در گروه انفورماتیک پزشکیاین ماژول با استفاده از شبکه‌های مبتنی بر یادگیری عمیق، امکان سگمنتیشن عصب دندان‌ها در تصاویر CBCT را فراهم می‌کند.

    لینک دانلود

 

هدف از ارائه این اطلاعات، تشویق دانشجویان به عملیاتی کردن پروژه‌هایشان به گونه‌ای است که بتوان از نتایج آن‌ها در محیط‌های بالینی استفاده کرداینجانب با علاقه و اشتیاق اعلام می‌دارم که آماده‌ی هرگونه همکاری و راهنمایی در زمینه پیاده‌سازی ماژول‌های سفارشی در 3D Slicer برای دانشجویان محترم هستم

 

دکتر شاهرخ ناصری