تیم تصویربرداری محاسباتی و کمی سرطان بر طراحی و توسعه پروتکل های چند پارامتری کمی در ترکیب با تکنیک‌های یادگیری ماشین و یادگیری عمیق برای تولید بیومارکرهایی با حساسیت و اختصاصیت بالا برای تشخیص سرطان تمرکز دارد. تصویربرداری-محاسباتی برای ساخت مدل‌هایی که می‌توانند شرایط ژنومیک و پاتولوژیک خاص تومور و بیمار را پیش‌بینی کنند طراحی شده ‌است. بیشتر روش‌های محاسباتی موجود عمومی نیستند و به راحتی نمی‌توانند در بالین بکار گرفته شوند. بنابراین، یکی از اهداف اصلی این تیم بررسی و پیشنهاد روش های کمک سخت افزار و کاربردی از نظر بالینی برای برنامه ریزی جراحی‌ و طراحی درمان در بیماران مبتلا به سرطان در یک پلت فرم مشارکتی، متشکل از جراحان، انکولوژیست ها، پاتولوژیست‌ها، متخصصین تصویربرداری، فیزیسیست های ام ار ای  و مهندسین محاسباتی است. هدف تیم سرطان اجرای بالینی روش های کمک سخت افزاری سیستمی برای کمک به ارائه دهندگان خدمات بهداشتی برای تشخیص بهتر و درمان موثرتر با طراحی مناسب‌ترین استراتژی تشخیصی و درمانی است.

  • طراحی و توسعه پروتکل های چند پارامتری ام ار ای برای تشخیص، طراحی درمان و نظارت بر درمان
  • تصویربرداری اختصاصی از بیمار در تومورهای مغزی, سرطان های سر و گردن، سینه، پروستات، کبد و زنان و زایمان
  • روش های انالیز کمی مبتنی بر تکنیک‌های هوش مصنوعی و داده‌های بزرگ / کوچک

  • حمیدرضا سلیقه راد، دکتری(MRI Physicist)
  • محمدرضا آی, دکتری (PET Physicist)
  • حمیدرضا حقیقت خواه، پزشک (Radiologist)
  • معصومه گیتی، پزشک (Radiologist)
  • مهدی زینلی زاده، پزشک (Neurosurgeon)
  • گیوه شریفی، پزشک (Neurosurgeon)
  • فرید آزموده اردلان، پزشک(Pathologist)
  • مهیار غفوری، پزشک (Radiologist)
  • مرتضی صانعی، پزشک (Radiologist)
  • اروین آرین، پزشک (Radiologist)
  • لیلا آقا قزوینی، پزشک (Radiologist)
  • مریم رحمانی، پزشک (Radiologist)
  • نیلوفر ایوبی، پزشک (Radiologist)
  • احمد عامری، پزشک (Oncologist)
  • پدرام فداوی، پزشک (Oncologist)
  • مصطفی فرزین، پزشک (Oncologist)
  • فرهان سمیعی، پزشک (Oncologist)
  • کاووس فیروزنیا، پزشک (Radiologist)
  • میثم محسنی، پزشک (Neurosurgeon)

  • روش جدید برای ادغام تصاویر ام آر چند پارامتری (DWI/DSC-MRI) جهت کمی سازی دقیق نواحی مختلف در تومور های مغزی گلیوما
  • ارائه الگوریتم Non-Rigid Registrationبرای تصویربرداری ام.ار دینامیک با کنتراست  (DCE) از تخمدان بر اساس پارامترهای فارماکوکینتیک
  • تقسیم‌بندی و طبقه‌بندی تومورهای سرطان سینه با استفاده از DCE-MRI کمّی
  • بررسی نقش رقابتی/ تکمیلی DWI-MRI در مقایسه با PET/CT در متاستاز به مغز استخوان در ناحیه لگن ناشی از سرطان سینه
  • تفکیک نواحی مختلف تومور به کمک MRI چند پارامتری (DWI/PWI/T2/MRS)  به ویژه در تومور گلیوبلاستوما مالتی فرم با استفاده از روش های تقسیم بندی چند متغیری
  • تعیین حجم گلیوما برای طرح درمان در رادیوتراپی وIMRT با کمک تصویربرداری تشدید مغناطیسی تانسور دیفیوژن
  • بررسی نقش متمایز کننده تصویربرداری ام ارکمی با وزن دیفیوژن و T2 در توده های تخمدانی پیچیده
  • ارائه الگوریتم Non-Rigid Registration برای تصویربرداری داینامیک ام آر آی داینامیک با تزریق کنتراست (DCE-MRI) در تخمدان بر اساس پارامترهای فارماکوکینتیک
  • انجام مطالعاتی جهت بهبود قابلیت تشخیص و تفکیک تومورهای پاروتید با استفاده از انالیز چند پارامتری تصاویر ام آرپرفیوژن و دیفیوژن
  • گرید بندی بیماران مشکوک به سرطان پروستات به کمک ام آر، کمی سازی انالیز MR ROI و روش های هیستولوژی، و تعمیم این روش به دیگر سرطان ها
  • مقایسه و ارزیابی داده های پاتولوژیک پروستات با کمک MRI چند پارمتری در مراکز تصویربرداری بالینی در ایران
  • متدولوژی بالینی برای کمی سازی تصویر برداری تشدید مغناطیسی چند پارامتری در سرطان سینه
  • بررسی نقش ادغام روش های MRI (T2-relaxometry/ Intra-voxel Incoherent Motion) در تفکیک نواحی توموری Biopsy-Validated در تومور های گلیوما
  • انالیز کمی پاسخ تومور گلیوما به شیمی درمانی با استفاده از نقشه های عملکردی استخراج شده از بیومارکر های  MRI دیفیوژن

بزودی در وبسایت بالینی