ارائه‌کننده: نسیم حقی
استاد راهنما: دکتر حمیدرضا مومنی
استاد ناظر داخلی: دکتر مهدی سجودی
استاد ناظر خارجی: دکتر محمد منثوری (دانشگاه شاهد)
تاریخ: 1402/02/13
ساعت: 8:30
مکان : اتاق آزمایشگاه اتوماسیون صنعتی و ابزار دقیق

چکیده:

تومور مغزی گلیوبلاستوما، شایع‌ترین و تهاجمی‌ترین تومور مغزی نوع اولیه می‌باشد که هر ساله منجر به مرگ تعداد زیادی از افراد مبتلا می‌گردد. علاوه بر روش‌های درمانی متداول در زمینه‌ی درمان تومور مغزی مانند عمل جراحی، شیمی‌درمانی و پرتودرمانی، امروزه تحریک الکتریکی فراجمجمه‌ای با جریان متناوب تحت عنوان میدان‌های الکتریکی درمان‌کننده‌ی تومور، با هدف مقابله با تومور مغزی گلیوبلاستوما و افزایش طول عمر فرد مبتلا به‌عنوان روشی نوظهور در این زمینه، مورد استفاده قرار می‌گیرد.
در این پژوهش بیماران مبتلا به تومور مغزی گلیوبلاستوما با سن، جنسیت و وزن معلوم و در دو گروه مجزا تحت دو روش درمانی شیمی‌درمانی با داروی خوراکی تموزولاماید و شیمی‌درمانی به‌همراه اعمال تحریک توسط میدان‌های الکتریکی درمان‌کننده‌ی تومور قرار گرفتند. علاوه بر آن گروه سوم از بیماران تحت عنوان گروه کنترل، دریافت‌کننده‌ی تحریک شم به‌همراه تموزولاماید بودند. اندازه‌ی تومور و شدت افسردگی بیماران، قبل و بعد از اعمال هریک از این روش‌های درمانی به‌ترتیب با استفاده از روش تصویربرداری تشدید مغناطیسی و آزمون‌های سنجش افسردگی به‌دست آمد و با استفاده از آزمون تی وابسته و آزمون ویلکاکسون رتبه‌دار علامت، تأثیر روش‌های درمانی مختلف بر روی این مقادیر مورد بررسی قرار گرفت. نتایج حاصل از این دو آزمون فرض آماری، کاهش اندازه‌ی تومور مغزی و شدت افسردگی را به‌دنبال استفاده از میدان‌های درمان‌کننده‌ی تومور به‌همراه تموزولاماید اثبات کردند. علاوه بر آن، میدان الکتریکی درمان‌کننده‌ی تومور، در سه فرکانس 150، 200 و 250 کیلوهرتز به سه گروه مجزا از بیماران اعمال گردید و در نهایت با توجه به پارامترهای سن، جنسیت، وزن، اندازه‌ی تومور و شدت افسردگی قبل از درمان هر یک از بیماران و به‌کمک طبقه‌بندهای موجود در علم یادگیری ماشین، فرکانس بهینه با هدف بیشترین کاهش در اندازه‌ی تومور مغزی گلیوبلاستوما و شدت افسردگی ناشی از آن استخراج گردید. در این راستا طبقه‌بندهای ماشین بردار پشتیبان و k نزدیکترین همسایه با کسب دقت ارزیابی 80 درصد به‌عنوان بهترین الگوریتم‌های طبقه‌بندی در این زمینه، پیش‌بینی فرکانس تحریک را با موفقیت محقق ساختند.