بهینه سازی ضرایب مدل هایپرالاستیک بافت نرم با استفاده از داده های تجربی و الگوریتم ژنتیک

سرطان بافت نرم معادل با تغییر خواص مکانیکی بافت می باشد. در سال های اخیر همواره علم پزشکی به دنبال معرفی روش های نوین در راستای تشخیص زودهنگام سرطان-های بافت نرم بوده است. وجه تمایز این روش ها از روش های متداول معاینه بافت، کاهش میزان آسیب و تهاجم وارد به بافت همزمان با افزایش دقت تشخیص می باشد. این مقاله قصد دارد با استفاده از داده های حاصل از آزمایش های بالینی روی بافت سینه به تحلیل و مدلسازی رفتار مکانیکی قسمتی از بافت نرم سینه توسط مدل هایپرالاستیک مونی ریولین بپردازد. به این منظور از یک دستگاه اعمال کرنش مکانیکی برمبنای روش نوین و غیرتهاجمی حس لامسه ی مصنوعی استفاده شده است. این دستگاه برروی 8 بیمار با گستره ی سنی بین 20 تا 50 سال درکلینیک فوق تخصص بیماری های سینه زنان جهاددانشگاهی و بادرنظرگرفتن پروتکل های بالینی، مورد تست و ارزیابی بالینی قرارگرفته است. خروجی دستگاه شامل مقادیر تنش برحسب کرنش می باشد. از آنجاییکه خواص مکانیکی بافت سینه در ناحیه های مختلف بسیار متفاوت است، چند ناحیه مشخص روی بافت در بیماران مختلف انتخاب شده و در مجموع 40 ناحیه مورد آزمایش توسط دستگاه قرار گرفته است. به منظور رسیدن به یک مدل قابل اطمینان، پایدار و بهینه، از الگوریتم ژنتیک برای بهینه کردن ضرایب مدل هایپرالاستیک مونی ریولین استفاده می کنیم. نتایج نشان می دهد که با استفاده از این مدل می توان رفتار مکانیکی ناحیه های مختلف از بافت نرم سینه را با دقت بالایی مورد بررسی و پیش بینی قرار داد. مدل به دست آمده قابلیت تشخیص وجود بیماری و پیگیری روند تغییرات آن را دارا می باشد.