fa برآورد تابع پاسخ همودینامیک در مغز و تومورهای مغزی: مقایسه مدل‌های لجستیک معکوس و تابع پاسخ همودینامیک کانونی بيوانفورماتيك در علوم اعصاب Bioinformatics in Neuroscience پژوهشي Research --- Open Access, CC-BY-NC <strong>مقدمه:</strong> تابع پاسخ همودینامیک، منعکس کننده جریان خون مغزی در پاسخ به فعالیت‌های عصبی نقش مهمی در تجزیه و تحلیل اطلاعات مغزی به دست آمده توسط تصویربرداری تشدید مغناطیسی عملکردی دارد. در این مطالعه مقایسه دو مدل آماری جهت ارزیابی تابع پاسخ همودینامیک به روش بلوکی انجام گردیده است. <strong>مواد و روش‌ها:</strong> داده‌های تصویربرداری تشدید مغناطیسی عملکردی از 3 بیمار مبتلا به تومور مغزی در یک اسکنر 3 تسلا گرفته شد. تجزیه و تحلیل داده‌های تصویربرداری تشدید مغناطیسی عملکردی با استفاده از جعبه ابزار SPM12 در نرم‌افزار MATLAB انجام شد. شاخص‌های AIC، SBC و MSE جهت انتخاب بهترین مدل تابع پاسخ همودینامیک مورد استفاده قرار گرفتند. <strong>یافته‌ها:</strong> بر اساس داده‌های شبیه‌سازی، تابع پاسخ همودینامیک برآورد شده توسط مدل تابع پاسخ همودینامیک کانونی به‌علاوه مشتقات زمانی تطابق بیشتری با تابع پاسخ همودینامیک شبیه‌سازی شده داشت. این مدل‌ها بر روی داده‌های واقعی بررسی شد. شاخص‌های MSE، AIC و SBC برای مدل‌های تابع پاسخ همودینامیک کانونی به‌علاوه مشتقات زمانی و لجستیک معکوس (برای مدل‌های تابع پاسخ همودینامیک کانونی به‌علاوه مشتقات زمانی و لجستیک معکوس به ترتیب: 0/052، 1235/1، 1223/9 و 0/068، 1091/5-، 1049/5-) به دست آمد. بر اساس مقادیر متوسط T، W، H و شاخص‌های انتخاب مدل، لجستیک معکوس جهت برآورد تابع پاسخ همودینامیک در نواحی سالم مغز و تومور مغزی مدل مناسب‌تری می‌باشد. <strong>نتیجه‌گیری:</strong> نتایج مطالعه حاضر می‌تواند جهت بررسی و تشخیص تابع پاسخ همودینامیک در نقاط با متابولیسم بالا کمک کننده باشد. استفاده از مدل لجستیک معکوس جهت برآورد تابع پاسخ همودینامیک در روش بلوکی به بهتر برآورد شدن تابع پاسخ همودینامیک و در نتیجه حفظ سلامت بیمار و کیفیت زندگی پس از عمل جراحی و روش‌های غیر جراحی پزشکی منجر می‌شود. <strong>Introduction:</strong> The hemodynamic response function (HRF), reflecting cerebral blood flow in response to neural activity, plays a crucial role in the analysis of the brain data obtained by functional magnetic resonance imaging (fMRI). In this study, a comparison of two statistical models was performed to evaluate HRF for block design. <strong>Materials and Methods:</strong> fMRI data from 3 patients with brain tumor were taken using a 3 Tesla scanner. Analysis of fMRI data was performed by the SPM12 toolbox in MATLAB software. The AIC, SBC and MSE indices were used to select the most convenient HRF mode. <strong>Results:</strong> Based on the simulation data, HRF estimated by canonical HRF model plus time derivations (TD) model was more consistent with simulated HRF. These models were evaluated on real data. The MSE, AIC and SBC indices were obtained for TD-logistic model (IL) models (for TD and logistic IL models; 0.052 /, 1235.1, 1223.9 and 0.068 / -1091.5 / - 1049.2, respectively). Based on the average values of T, W, H and model selection indicators, IL model for estimating HRF in healthy regions of the brain and brain tumor is a more appropriate approach. <strong>Conclusion:</strong> The results of the present study can be helpful for the evaluation and diagnosis of HRF in high-metabolism points. Using the IL model to estimate HRF in the block design may lead to a better estimation of HRF&nbsp;and thus maintaining patient health and quality of life after surgical treatment and non-surgical medical procedures. تصویربرداری تشدید مغناطیسی, مدل لجستیک, مغز Magnetic Resonance Imaging, Logistic Models, Brain 1 9 http://shefayekhatam.ir/browse.php?a_code=A-10-24-1288&slc_lang=fa&sid=1 Mahboobe Seyed Abbasi محبوبه سیدعباسی 100319475328460020002 100319475328460020002 No Department of Epidemiology and Biostatistics, Faculty of Public Health, Tehran University of Medical Sciences, Tehran, Iran گروه اپیدمیولوژی و آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران Salman Zakariaee سلمان ذکریایی 100319475328460020003 100319475328460020003 No Department of Medical Physics, Faculty of Medicine, Kurdistan University of Medical Sciences, Sanandaj, Iran گروه فیزیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی کردستان، سنندج، ایران Abbas Rahimiforoushani عباس رحیمی فروشانی rahimifo@tums.ac.ir 100319475328460020004 100319475328460020004 Yes Department of Epidemiology and Biostatistics, Faculty of Public Health, Tehran University of Medical Sciences, Tehran, Iran گروه اپیدمیولوژی و آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی تهران، تهران، ایران