این مقاله به عنوان چهارمین نوشته آموزشی از مجموعه مقالات هوش مصنوعی در سلامت (AI-Based Health)، با استناد به مراجع علمی معتبر و پایان نامه کارشناسی ارشد نویسندگان با هدف آموزش دانشجویان، فارغالتحصیلان، شاغلان و علاقه مندان حوزه مهندسی پزشکی با رویکرد آنالیز تصاویر پزشکی نوشته شده است. ما در این مقاله، به دادههای تصویری (پیکسلی/وکسلی) از طبقه بندی دادههای ورودی دارای ساختار و بدون ساختار میپردازیم. در بخش الف، مفاهیم کاربردی، ساختار و فرمت تصاویر پزشکی را بررسی میکنیم. در بخش ب، نحوه تولید تصاویر پزشکی در مدالیته های مختلف تصویربرداری پزشکی را مرور میکنیم. این مرور شامل مقایسه ساختاری و عملکردی آنها با یکدیگر، تکنیکهای کاربردی تصویرگیری و بهبود کیفیت تصاویر، کاربردهای بالینی سیستمهای تصویربرداری پزشکی و آخرین مطالعات مرتبط با چالشهای موجود در عملکرد این سیستمها است و در انتها، منابع معتبری که به آن استناد کردهایم را مورد بررسی قرار خواهیم داد تا در صورت تمایل به مطالعه بیشتر، به راحتی آدرس دهی شده و قابل دسترس باشند. هدف اصلی آشنایی با کاربردهای امروز الگوریتمهای هوش مصنوعی در آنالیز تصاویر پزشکی از دید کل به جزء است. ابتدا باید با چشم انداز کلی دستاوردهای این حوزه آشنا شویم سپس در مقالات بعدی مرحله به مرحله وارد جزء خواهیم شد. این مقاله با دسترسی آزاد در ماهنامه «مهندسی پزشکی و تجهیزات آزمایشگاهی» منتشر شده که طبق مفاد آن هرگونه استفاده غیرتجاری تنها در صورتی مجاز است که به اثر اصلی به نحو مقتضی (سرایی و رحمانی، ماهنامه مهندسی پزشکی و تجهیزات آزمایشگاهی، 1400) استناد و ارجاع داده شده باشد.
در راستای بخش ب، چنانچه در مقاله قبلی به آن اشاره شد، رشد چند برابری تحقیقات مرتبط با آنالیز تصاویر پزشکی مبتنی بر هوش مصنوعی تک حالته در چند سال اخیر، باعث شده است که تکنیکهای مدرن هوش مصنوعی (یادگیری عمیق) کاربرد موثری در وظایفی چون دسته بندی، تشخیص، بخش بندی، ثبت و تولید داشته باشد. در واقع هوش مصنوعی وظایف یک پزشک را جهت شناسایی نشانگرهای زیستی در بیماری که دستی بود، به صورت خودکار تقلید میکند. هر چه دقت، صحت و حساسیت بالاتر باشد فرآیند تقلید، همسان با پزشک میشود. مدالیته های متداولی که بیش از بقیه برای اهداف بالینی مورد استفاده قرار میگیرند شامل تصویربرداری اشعه ایکس، تصویربرداری اولتراسوند، تصویربرداری تشدید رزونانس مغناطیسی و تصویربرداری توموگرافی انتشار پوزیترون است (البته روشهای تصویربرداری اپتیکال و میکروسکوپی نیز در این حوزه مورد استفاده قرار میگیرند اما متداول نیستند). به عنوان مثال، عمدتاً از تصویربرداری اشعه ایکس در فرآیند تشخیص ترومای استخوان، از تصویربرداری توموگرافی کامپیوتری و تصویربرداری اشعه ایکس برای تشخیص بیماریهای ریوی نظیر کووید-۱۹، از تصویربرداری توموگرافی کامپیوتری و تصویربرداری تشدید رزونانس مغناطیسی برای تشخیص بیماریهای قلبی و عروقی و غربالگری بیماریهای کبدی و تشخیص انواع سکتههای مغزی (شایعترین علل اصلی مرگ انسانهای جهان)، همچنین از توموگرافی کامپیوتری جهت تشخیص خونریزی داخل مغزی و از آنژیوگرافی توموگرافی کامپیوتری و آنژیوگرافی رزونانس مغناطیسی برای تشخیص آنوریسم داخل مغزی استفاده میشود.
سیستم تصویربرداری اولتراسوند
تصویربرداری غیریونیزان ترکیبی مکانی در زمان واقعی یا به عبارتی تصویربرداری اولتراسوند بالینی با قرارگیری یک مبدل دارای پیزوالکتریک بر روی ژل مخصوص روی پوست انسان، امکان انتقال امواج صوتی با فرکانس بالا (بین 1.5 الی 15 مگاهرتز با طول موج 1 الی 0.1 میلیمتر) و در نهایت تشکیل تصویر از انعکاس این امواج از مرز بافت نرم (متوسط سرعت موج 1540 میلی ثانیه) و بافت سخت (متوسط سرعت موج 3500 میلی ثانیه) فراهم میکند. این فناوری در مطالعات حیوانی با فرکانس بیش از 50 مگاهرتز و طول موج کمتر از 30 میکرومتر نیز با عنوان «پیش بالینی» مطرح میشود. آغازگاه تصویربرداری اولتراسوند بالینی از سال 1937 با اختراع اولین دستگاه سونوگرافی برای بررسی خط میانی مغز و استفاده از آن در سال 1956 در بیمارستان گلاسکو انگلیس بود که به صورت تصویربرداری دو بعدی خطی گرای زمان واقعی به کار گرفته شده بود. مسیر تکاملی آن از سال 1963 شروع شد و به ترتیب شامل توسعه فناوری تصویربرداری سپید تا خاکستری تک بعدی و دو بعدی زمان واقعی از ساختار بافت (نظیر مد دامنهای، مد روشنایی و مد حرکتی) از دهه 1970 به فناوری دو بعدی داپلر (نظیر طیفی، رنگی و قدرتی) جهت تحلیل سرعت جریان و حرکت بافت، ابداع فناوری سه بعدی در دهه 1980 و فناوری چهار بعدی در دهه 1990 و پس از آن معرفی تصویربرداری تقویت شده با کنتراست از سال 1997 و همچنین فناوریهای محبوب اخیر نظیر تصویربرداری ردیابی نقطهای برای قلب و ریه، تصویربرداریهای فیوژن، میکرووسکولار داپلر و ابلیشن مایکرویو با کنترل اولتراسوند، تصویربرداری الاستوگرافی (روش فشاری و روش موج برشی) جهت ارزیابی خواص مکانیکی بافت نظیر کبد، تیروئید، پستان، کلیه، پروستات و غدد لنفاوی و تصویربرداری اولترافست (عملکردی مانند
(Ultrasound Localization Microscopy (ULM با حالتهای عمیقتر) جهت بررسی میکروساختارهای بافت نظیر قلب، مغز، پستان و شکم است که به خاطر هزینه کم، در دسترس بودن، و بی خطر بودن، گزینه مناسبی برای تشخیص بیماریها است، به ویژه در مناطق فقیرنشین که امکان استفاده از سیستمهای تصویربرداری نظیر اشعه ایکس، تشدید رزونانس مغناطیسی و توموگرافی انتشار پوزیترون وجود ندارد.
سیستم تصویربرداری اشعه ایکس
فناوری این سیستم از سال 1895 در قالب یک رادیوگرافی عمومی ساده از دست همسر رونتگن شکل گرفت که جایزه نوبل سال 1901 را به خود اختصاص داد. ماهیت الکترومغناطیسی بودن اشعه ایکس در سال 1912 کشف شد و در سال 1913 اولین تیوب اشعه ایکس اختراع شد و تا دهه 1960 به صورت روش تهاجمی جذب اشعه مورد آزمایشهای مختلف قرار گرفت. آغازگاه مسیر تکاملی سیستم اشعه ایکس از دهه 1970 بود و تا بیست سال بعد، تحول عظیم تغییر مسیر سیستم آنالوگ به دیجیتال غیرمستقیم (CR) انقلاب بزرگی را رقم زد که سرعت خوانش و پردازش را از 60 ثانیه به 10 ثانیه افزایش داد. همچنین تکنیک تصویربرداری اشعه ایکس مبتنی بر کنتراست فازی در این دهه معرفی شد. یک دهه بعد با استفاده از سیلیکون بی شکل ترانزیستوری (TFT) مسیر تکامل از دیجیتال غیر مستقیم به مستقیم (DR) تغییر کرد و تا سال 2010 به این سیستم، فناوری وای فای و نیمه هادی اکسید فلز مکمل (CMOS) و حساس به انرژی اضافه شد. دهه 2000 تا به امروز، دوره معرفی روشهای مختلف تصویربرداری اشعه ایکس بود. روشهای تصویربرداری مبتنی بر طیفی (انرژی دوگانه، منبع دوگانه، شمارش فوتون، آشکارساز چندلایه)، تصویربرداری اشعه ایکس میدان تاریک، تصویربرداری توموسنتز سه بعدی و این اواخر تصویربرداری انرژی چندگانه و رنگی نمونههایی از اینها هستند.
سیستم مدالیته های تصویربرداری اشعه ایکس دارای ساختار مشترکی است که متشکل از ژنراتور افزایشی ولتاژ بالا، منبع تولید اشعه ایکس (تیوب دارای آند و کاتد)، بافت بدن (نرم یا سخت)، آشکارساز (صفحه فسفرپلیت، کاست، خوانشگر سی آر و صفحه تخت)، آنالیز ریاضی (محاسبات پردازشی) و نمایش تصویر سیاه تا سپید است. منظور از مدالیته های مختلف، طبقه بندی روشهای تصویربرداری اشعه ایکس به دو دسته ساختاری و عملکردی بر مبنای تشخیص بافتهای نرم داخلی و سخت است. گروه ساختاری، اطلاعات آناتومیکی از استخوان، دندان، ریهها و ارگانهای ارتوپدی بدن و گروه عملکردی، اطلاعات بیولوژیکی شامل متابولیسم، جریان خون و فرآیندهای بیوشیمیایی بدن را آشکار میکنند. از جمله این مدالیته ها، تصویربرداری ایکس ری قفسه سینه، ماموگرافی، آنژیوگرافی، فلوروسکوپی، توموگرافی کامپیوتری و توموگرافی کامپیوتری پرتو مخروطی دندان و مدالیته های ترکیبی است. همزمان با توسعه سیستمهای تصویربرداری اشعه ایکس منحصر به ارگانهای خاص بدن، نظیر پستان، قلب و عروق، قفسه سینه، دندان، استخوان و غیره، ایده فناوری توموگرافی کامپیوتری در سال 1963 به عنوان روش تصویربرداری سه بعدی گردان مطرح گشت و بالاخره اولین دستگاه با سرعت 20 ثانیه و 30 آشکارساز برای مغز در سال 1971 در بیمارستان اتکینسون مورلی انگلیس و یک سال بعد در کلینیک مایو آمریکا نصب شد که موفقیت بزرگی بود. این موفقیت جایزه نوبل سال 1979 را به خود اختصاص داد. مسیر تکاملی سیستم توموگرافی کامپیوتری مشتمل بر پنج نسل با افزایش منابع انرژی و آشکارسازها و چرخاندن و جابهجایی آنها نسبت به یکدیگر، به ترتیب از پرتودهی موازی به پرتودهی فن و از آن به پرتودهی مخروطی و همچنین از روش کانولوشنال (پیچشی) به اسپیرال (هلیکال یا مارپیچی) و به چنداسلایسی و در نهایت به رباتیکی، منجر به افزایش سرعت تصویربرداری از 300 ثانیه به 50 میلی ثانیه و کمتر شدند. این سیستم به هدایت فرآیندهای بالینی نظیر مداخلات تشخیصی، رادیوتراپی و جراحی برای ناهنجاریهای پاتولوژیک نظیر تومورهای خوش خیم و بدخیم، بیماریهای عروقی، ندول های ریه، آسیبهای داخلی و ترومای استخوان کمک میکند اما در معرض اشعه قرار گرفتن زیاد بیماران میتواند منجر به سرطان و اختلالات ژنتیکی شود که لازم است از تکنیکهای پیشنهاد شده اخیر با دوز پایین به کمک یادگیری عمیق استفاده شود.
سیستم تصویربرداری تشدید رزونانس مغناطیسی
فناوری رزونانس مغناطیسی هستهای برای اولین بار در سال 1979 مطرح شد و به سرعت در تشخیص تومور توسعه یافت. مسیر تکاملی سیستم تصویربرداری تشدید رزونانس مغناطیسی از سال 1980 شروع شد که قدرت میدان مغناطیسی 0.04 تسلا به 0.12 تسلا ارتقا یافت و پس از آن در سالهای 1981 و 1982 پژوهشگران کشورهای انگلستان و آمریکا موفق به ارتقا قدرت میدان به مقادیر 0.15 و 0.35 تسلا شدند که معیار تکنیک تصویربرداری استاندارد بالینی یعنی اسپین-اکو چندلایه در آن زمان شکل گرفت. دهه 1990 دهه رشد سریع قابلیتهای سیستم تصویربرداری تشدید رزونانس مغناطیسی تا 4 تسلا بود که معیار استاندارد برای تصویربرداری بالینی بین 1.5 الی 3 تسلا توسط سازمان FDA و CE تأیید شد و در سال 1997 فناوری تصویربرداری تشدید رزونانس مغناطیسی عملکردی ابداع شد. از آن زمان تا کنون این مقدار به قدرت میدان 11.7 تسلا رسیده است که در سال 2017 مقدار 7 تسلا و بالاتر به عنوان معیار استاندارد تحقیقاتی معرفی شد.
سیستم تصویربرداری تشدید رزونانس مغناطیسی به دو دسته بسته و باز وابسته به نوع مگنت و به دو ساختار داخلی الکتریکی و مغناطیسی تقسیم میشود که شامل منبع تولید امواج رادیوفرکانسی (ست سیم پیچ فرستنده (حجمی)) و گیرنده (آرایهای) و منبع تولید گرادیانت مغناطیسی (ست سیم پیچ اولیه و محافظ)، مگنت (نوع مقاومتی که منسوخ شده)، (ابررسانا و دائمی)، بافت بدن (نرم و سخت)، آنالیز ریاضی (محاسبات پردازشی) و نمایش تصویر است که با استفاده از روشهای تصویربرداری مختلف بالینی «توالی تصویربرداری تشدید رزونانس مغناطیسی» مورد استفاده قرار میگیرد. توسعه سیمپیچهای چندکاناله، تقویت قدرت میدان مغناطیسی، افزایش مجموعه دادههای خالص و پیشرفتهای قابل ملاحظه و مستمر در توالی، موجب بهبود کیفیت تصویر و قدرت تشخیص سیستم تصویربرداری تشدید رزونانس مغناطیسی شده است. این سیستم با تولید تصاویر با کنتراست بافتی بالا و استخراج ویژگیهای بافت بدون حجم تابش اشعه در توالیهای مختلف، به تشخیص و تأیید بیماریهای مختلف در نواحی مختلف بدن کمک شایانی کرده است.
سیستم تصویربرداری توموگرافی انتشار پوزیترون
فناوری غیرتهاجمی تصویربرداری توموگرافی انتشار پوزیترون در دو پارادیم عملکردی و مولکولی با حساسیت بالا، نقشه برداری سه بعدی از مقادر بسیار کم رادیوداروهای ساطع کننده پوزیترون را امکان پذیر میکند. منشاء استفاده از این سیستم به سال 1975 باز میگردد که قابلیت تحقیق بر روی جریان خون مغزی با استفاده از O-H2O را داشت. مسیر تکاملی این فناوری از سال 1976 با استفاده از رادیوداروی (F-fluorodeoxyglucose (FDG برای بررسی متابولیسم گلوکوز مغز شروع شد و از آن پس FDG PET به عنوان یک سیستم تصویربرداری بالینی متداول شناخته شد و همچنین در سال 2001 و 2010 به ترتیب ترکیب مدالیته های تصویربرداری توموگرافی کامپیوتری و تشدید رزونانس مغناطیسی با سیستم توموگرافی انتشار پوزیترون، تحول بزرگی در سیستمهای تصویربرداری بالینی به منظور تشخیص دقیقتر با حساسیت و وضوح مکانی و زمانی بالا ایجاد کرد که به این فناوری
PET Hybrid Imaging میگویند.
D. Avola, L. Cinque, A. Fagioli, G. Foresti and A. Mecca, “Ultrasound medical imaging techniques: a survey,” ACM Computing Surveys, vol. 54, no. 3, pp. 1-38, 2021. |
FDA, “Ultrasound Imaging,” FDA, 28 September 2020. [Online]. Available: https://www.fda.gov/radiation-emitting-products/medical-imaging/ultrasound-imaging. |
C. M. Moran and A. W. Thomson, “preclinical ultrasound imaging-a review of techniques and imaging applications,” Frontiers in Physics, vol. 8, no. 124, 2020. |
J. J. Wild and J. M. Reid, “Application of echo-ranging techniques to the determination of structure of biological tissues,” Science, vol. 115, no. 2983, pp. 226-230, 1952. |
M. Jalali and H. Behnam, “Speckle-tracking accuracy enhancement by temporal super-resolution of three-dimensional echocardiography images,” Medical Signals & Sensors, vol. 11, no. 3, pp. 177-184, 2021. |
S. Yuda, “Current clinical applications of speckle tracking echocardiography for assessment of left atrial function,” Echocardiography, vol. 19, no. 3, pp. 129-140, 2021. |
C. Kloth, W. Kratzer, J. Schmidberger, M. Beer, D. A. Clevert and T. Graeter, “Ultrasound 2020 – diagnostics & therapy: on the way to multimodal ultrasound: contrast-enhanced ultrasound (CEUS), microvascular doppler techniques, fusion imaging, sonoelastography, interventional sonography,” Rofo, vol. 193, no. 1, pp. 23-32, 2021. |
R. Sigrist, J. Liau, A. E. Kaffas, M. C. Chammas and J. K. Willmann, “Ultrasound elastography: review of techniques & clinical applications,” Theranostics, vol. 7, no. 5, pp. 1303-1329, 2017. |
B. Wang, Q. Guo, J.-Y. Wang, Y. Yu, A.-J. Yi, X.-W. Cui and C. Dietrich, “Ultrasound elastography for the evaluation of lymph nodes,” Front Oncology, vol. 11, no. 714660, 2021. |
J. Shao, G. Shi, Z. Qi, J. Zheng and S. Chen, “Advancements in the application of ultrasound elastography in the Cervix,” Ultrasound Medical Biology, vol. 47, no. 8, pp. 2048-2063, 2021. |
R. Van-Sloun, O. Solomon, M. Bruce, Z. Z. Khaing, H. Wijkstra, Y. C. Eldar and M. Mischi, “Super-resolution ultrasound localization microscopy through deep learning,” IEEE Trans. Medical Imaging, vol. 40, no. 3, pp. 829-839, 2021. |
T. Deffieux, C. Demené and M. Tanter, “Functional ultrasound imaging: a new imaging modality for neuroscience,” Neuroscience, vol. 15, no. 474, pp. 110-121, 2021. |
C. J, H. V, R. I, R. L, O. Couture, T. Deffieux, M. Tanter and S. Pezet, “Large-scale functional ultrasound imaging of the spinal cord reveals in-depth spatiotemporal responses of spinal nociceptive circuits in both normal and inflammatory states,” PAIN, vol. 162, p. 1047–1059, 2021. |
A. Petrescu, J. D’hooge and J.-U. Voigt, “Concepts and applications of ultrafast cardiac ultrasound imaging,” Echocardiography, vol. 38, pp. 7-15, 2021. |
A. Pinto, F. Pinto, A. Faggian, G. Rubini, F. Caranci, L. Macarini, E. Genovese and L. Brunese, “Sources of error in emergency ultrasonography,” Crit Ultrasound J, vol. 15, no. 5, 2013. |
D. Pfeiffer, F. Pfeiffer and E. Rummeny, “Advanced x-ray imaging technology,” Recent Results in Cancer Research, vol. 216, pp. 3-30, 2020. |
W. C. Röntgen, “Ueber eine neue Art von Strahlen,” Annual Physics, vol. 300, pp. 12-17, 1895. |
W. Friedrich, P. Knipping and M. Laue, “Interferenz-erscheinungen bei röntgenstrahlen,” Bayer Akad Wiss München, pp. 303-322, 1912. |
A. Momose, “X-ray phase imaging reaching clinical uses,” Physica Medica, vol. 79, pp. 93-102, 2020. |
J. T. Bushberg, J. A. Seibert, E. L. Leidholdt and J. M. Boone, Essential physics of medical imaging, 4th ed., Riverwoods, IL: Wolters Kluwer-Lippincott Williams and Wilkins, 2012. |
C. H. McCollough, S. Leng, L. Yu and J. G. Fletcher, “Dual- and multi-energy CT: principles, technical approaches, and clinical applications,” Radiology, vol. 276, no. 3, 2015. |
M. Ando, R. Gupta, A. Iwakoshi, J. K. Kim, D. Shimao, H. Sugiyama, N. Sunaguchi, T. Yuasa and S. Ichihara, “X-ray dark-field phase-contrast imaging: Origins of the concept to practical implementation and applications,” Physica Medica, vol. 79, pp. 188-208, 2020. |
A. Tingberg, “X-ray tomosynthesis: a review of its use for breast and chest imaging,” Radiat Prot Dosimetry, vol. 139, no. 1-3, pp. 100-107, 2010. |
M. Heckert, S. Enghardt and J. Bauch, “Novel multi-energy X-ray imaging methods: Experimental results of new image processing techniques to improve material separation in computed tomography and direct radiography,” PLoS ONE, vol. 15, no. 5, 2020. |
L. A. Gall, “New 3D colour X-rays made possible with CERN technology,” CERN, 18 11 2020. [Online]. Available: https://home.cern/news/news/knowledge-sharing/new-3d-colour-x-rays-made-possible-cern-technology. |
H. Chen, M. M. Rogalski and J. N. Anker, “Advances in functional x-ray imaging techniques and contrast agents,” Physical Chemistry Chemical Physics (PCCP), vol. 14, no. 39, pp. 13469-13486, 2012. |
FDA, “Medical x-ray imaging,” U.S. Food & Drug Administration, 28 09 2020. [Online]. Available: https://www.fda.gov/radiation-emitting-products/medical-imaging/medical-x-ray-imaging. |
C. J. Garvey and R. Hanlon, “Computed tomography in clinical practice,” BMJ (Clinical Research Edition), vol. 324, no. 7345, pp. 1077-1080, 2002. |
R. Kaur, M. Juneja and A. K. Mandal, “A comprehensive review of denoising techniques for abdominal CT images,” Multimedia Tools & Applications, vol. 77, pp. 22735-22770, 2018. |
L. Yang, H. Shangguan, X. Zhang, A. Wang and Z. Han, “High-frequency sensitive generative adversarial network for low-dose CT image denoising,” IEEE Access, vol. 8, pp. 930-943, 2020. |
S. H. Kulathilake, N. A. Abdullah, A. Q. Md-Sabri and K. W. Lai, “A review on Deep Learning approaches for low-dose Computed Tomography restoration,” Complex & Intelligent Systems, 2021. |
K. Kose, “Physical and technical aspects of human magnetic resonance imaging: present status and 50 years historical review,” Advances in Physics: X , vol. 6, 2021. |
P. C. Lauterbur, “Image formation by local induced interactions: examples employing nuclear magnetic resonance,” Nature, vol. 242, pp. 190-226, 1973. |
R. Damadian, “Tumor detection by nuclear magnetic resonance,” Science, vol. 171, pp. 1151-1153, 1971. |
L. E. Crooks, M. Arakawa, J. Hoenninger, J. Watts, R. McRee, L. Kaufman, P. L. Davis, A. R. Margulis and J. DeGroot, “Nuclear magnetic resonance whole-body imager operating at 3.5 K gauss,” Radiology, vol. 143, pp. 169-174, 1982. |
G. M. Bydder, R. E. Steiner, I. R. Young, A. S. Hall, D. J. Thomas, J. Marshall, C. A. Pallis and N. J. Legg, “Clinical NMR imaging of the brain: 140 cases,” AJR Am J Roentgenol, vol. 139, pp. 215-236, 1982. |
K. Ugurbil, “Imaging at ultrahigh magnetic fields: history, challenges, and solutions,” Neuroimage, vol. 168, pp. 7-32, 2018. |
K. Lameka, M. D. Farwell and M. Ichise, “Positron Emission Tomography,” Handbook of Clinical Neurology, vol. 135, pp. 209-227, 2016. |
M. M. Ter-Pogossian, M. E. Phelps, E. J. Hoffman and N. A. Mullani, “A positron-emission transaxial tomograph for nuclear imaging (PETT),” Radiology, vol. 114, no. 1, pp. 89-98, 1975. |
L. Sokoloff, M. Reivich, C. Kennedy, M. H. Des-Rosiers, C. S. Patlak, K. D. Pettigrew, O. Sakurada and M. Shinohara, “The [14C]deoxyglucose method for the measurement of local cerebral glucose utilization: theory, procedure, and normal values in the conscious and anesthetized albino rat,” Neurochemistry, vol. 28, no. 5, pp. 897-916, 1979. |
دیدگاه ها