بهينه‌سازي ضرايب مدل هايپرالاستيك بافت نرم با استفاده از داده‌هاي تجربي و الگوريتم ژنتيك

Optimization of hyperelastic model parameters of soft tissue based on genetic algorithm utilizing experimental mechanical datase

سرطان بافت نرم معادل با تغيير خواص مكانيكي بافت است. در سالهاي اخير همواره علم پزشكي به دنبال معرفي روشهاي نوين در راستاي تشخيص زودهنگام سرطانهاي بافت نرم بودهاست. وجه تمايز اين روشها از روشهاي متداول معاينه بافت، كاهش ميزان آسيب و تهاجم وارد به بافت همزمان با افزايش دقت تشخيص است. اين مقاله قصد دارد با استفاده از دادههاي حاصل از آزمايشهاي باليني روي بافت سينه به تحليل و مدل‌سازي رفتار مكانيكي قسمتي از بافت نرم سينه توسط مدل هايپرالاستيك موني-ريولين بپردازد. به اين منظور از يك دستگاه اعمال كرنش مكانيكي برمبناي روش نوين و غيرتهاجمي حس لامسهي مصنوعي استفاده شده است. اين دستگاه برروي 8 بيمار با گسترهي سني بين 20 تا 50 سال دركلينيك فوق تخصص بيماريهاي سينه زنان جهاددانشگاهي و بادرنظرگرفتن پروتكلهاي باليني، مورد تست و ارزيابي باليني قرارگرفته است. خروجي دستگاه شامل مقادير تنش برحسب كرنش است. از آنجايي كه خواص مكانيكي بافت سينه در ناحيههاي مختلف بسيار متفاوت است، چند ناحيه مشخص روي بافت در بيماران مختلف انتخاب‌شده و در مجموع 40 ناحيه مورد آزمايش توسط دستگاه قرار گرفته است. به منظور رسيدن به يك مدل قابل اطمينان، پايدار و بهينه، از الگوريتم ژنتيك براي بهينهكردن ضرايب مدل هايپرالاستيك مونيريولين استفاده ميكنيم. نتايج نشان ميدهد كه با استفاده از اين مدل مي‌توان رفتار مكانيكي ناحيههاي مختلف از بافت نرم سينه را با دقت بالايي مورد بررسي و پيش‌بيني قرار داد. مدل به دست آمده قابليت تشخيص وجود بيماري و پيگيري روند تغييرات آن را دارا است.

Soft tissue’s cancers are related to major variations in the mechanical properties of the tissue. In recent years, a number of developing techniques have been introduced for early detection of soft tissue’s cancers. The major advantage of these methods over the common available techniques is that, while being noninvasive to the body, the accuracy of detection is noticeably increased. This article intends to analyze mechanical behavior of the breast tissue by considering a Mooney-Rivlin hyperelastic model. Coefficients of the model are defined by using a series of experimental mechanical datasets. For this purpose, a mechanical device is designed and fabricated based on a new non-invasive method named Artificial Tactile Sensing (ATS). The device is examined on 8 patients in the age range of 20 to 50 years referred to as “Jahad Daneshgahi Breast Diseases Clinic” while considering Helsinki agreement’s protocols. Due to wide anatomical variations of the breast tissue in individuals, 40 specified regions are examined on the tissues of all attended cases. Experimental stress versus strain datasets are collected for 40 test points. To achieve a reliable and optimized model, a genetic algorithm (GA) is used for calculating Mooney-Rivlin’s coefficients. Results confirmed that an accurate model can be afforded to estimate the soft tissue’s mechanical behavior with the least error. The model is suitable for disease diagnosis and follow-up procedure.