رفتن به محتوای اصلی
x

آنالیز تصاویر مغزی

مسئول هسته: آقای دکتر علیرضا ورد

زمینه فعالیتهای هسته:

گروه پژوهشی آنالیز تصاویر مغزی با تمرکز بر توسعه روش‌های نوین پردازش تصویر، یادگیری ماشین و یادگیری عمیق در حوزه‌ی پردازش و آنالیز تصاویر مغزی فعالیت می‌کند. هدف اصلی این گروه، طراحی و پیاده‌سازی الگوریتم‌ها و توسعه نرم‌افزارهای کمک‌تشخیصی (CAD) است که بتوانند در تشخیص زودهنگام بیماری‌ها، پشتیبانی از تصمیم‌گیری بالینی پزشکان، افزایش دقت و سرعت فرآیندهای تشخیصی، درجه‌بندی بیماریها و برنامه‌ریزی درمانی نقش مؤثری ایفا کنند.

محورهای اصلی پژوهش در این گروه عبارت‌اند از:

  • بخش‌بندی تصاویر مغزی: طراحی و به‌کارگیری مدل‌های پیشرفته پردازش تصویر، یادگیری ماشین و یادگیری عمیق برای جداسازی دقیق ساختارهای مغزی و شناسایی، مکان‌یابی و بخش‌بندی ضایعات و پلاک‌های مغزی با هدف فراهم کردن آنالیزهای کمی مختلف.

  • شناسایی الگو و طبقه‌بندی: ارائه مدل‌های طبقه‌بندی و پیش‌بینی جدید با بهره‌گیری از رویکردهای نوین یادگیری ماشین و یادگیری عمیق، به‌ویژه بر روی تصاویر MRI و CT، با هدف تمایز شرایط سالم از پاتولوژیک و درجه‌بندی بیماری‌ها.

  • طراحی و توسعه نرم‌افزارهای کمک‌تشخیصی پزشکی:(CAD) یکپارچه‌سازی زنجیره تحلیل تصویر در قالب ابزارهای نیمه‌خودکار و تمام‌خودکار برای پشتیبانی از نورولوژیست‌ها و رادیولوژیست‌ها در تشخیص زودهنگام، درجه‌بندی بیماری و برنامه‌ریزی درمانی.

 

اعضای هسته و معرفی اجمالی از فعالیتهای انجام شده:

اعضای هسته: دکتر علیرضا ورد، دکتر ایمان ادیبی، مهندس فرشاد شکاری، مهندس فاطمه یوسفی

دستاوردهای گروه تا کنون عبارت‌اند از:

طراحی و توسعه نرم افزار:

  • طراحی و توسعه نرم افزار کمک تشخیصی به منظور محاسبه حجم نخاع در تصاویر MRI

مقالات انتخابی چاپ شده:

Farshad Shekari, Alireza Vard, Iman Adibi, and Safieh Danesh-Mobarhan, “Investigating the Feasibility of Differentiating MS Active Lesions from Inactive Ones Using Texture Analysis and Machine Learning Methods in DWI Images,” Multiple Sclerosis and Related Disorders, Vol. 82, Feb. 2024

Iman Adibi, Afshin Najafi, Fouad Merajifar, Neda Ramezani, Hosein Nouri, Nassim Jalilvand, Fereshteh Ashtari, Alireza Vard, and Vahid Shaygannejad, “Quantitative Magnetic Resonance Imaging Analysis of Early Markers of Upper Cervical Cord Atrophy in Multiple Sclerosis and Neuromyelitis Optica Spectrum Disorder, Multiple Sclerosis International, Vol. 2021, ID: 9917582, 2021

Hediyeh Toufani, Alireza Vard, and Iman Adibi, “A Pipeline to Quantify Spinal Cord Atrophy with Deep Learning: Application to Differentiation of MS and NMOSD Patients,” Physica Medica, Vol. 89, pp. 51-62, 2021