افزایش بهره‌وری درمان‌های لیزری دندان با استفاده از مدل‌های تعامل بافت و الگوریتم‌های بهینه‌سازی
مهدی عبدلوند
1
(
گروه مهندسی برق، واحد آشتیان، دانشگاه آزاد اسلامی، آشتیان، ایران
)
شعبان رضائی برجلو
2
(
گروه مهندسی برق، واحد آشتیان، دانشگاه آزاد اسلامی، آشتیان، ایران
)
بهادر مکی آبادی
3
(
گروه فیزیک و مهندسی پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران
)
الکلمات المفتاحية: ابلیشن لیزری, پخش‌پذیری حرارتی, تعامل لیزر و بافت, شبیه‌سازی عددی, مدل انتقال گرما,
ملخص المقالة :
این مقاله رویکردی نوین برای بهبود کارایی درمان‌های لیزری دندان از طریق یکپارچه‌سازی مدل‌های تعامل لیزر و بافت و الگوریتم‌های بهینه‌سازی ارائه می‌دهد. تعامل لیزر و بافت با استفاده از معادله انتقال گرما مدل‌سازی می‌شود، که توزیع دما در بافت‌های زیستی را در حین تابش لیزر شبیه‌سازی می‌کند. این مدل شامل پارامترهای اساسی مانند پخش‌پذیری حرارتی بافت، ظرفیت حرارتی ویژه، و میزان انرژی جذب‌شده از لیزر است. برای بهینه‌سازی پارامترهای لیزر مانند شدت و زمان تابش، از یک الگوریتم بهینه‌سازی مبتنی بر گرادیان استفاده شده است. هدف این است که دمای مطلوب بافت برای تخریب مؤثر (ابلیشن) حاصل شود، در حالی که محدودیت‌های ایمنی برای جلوگیری از گرمای بیش از حد بافت رعایت گردد. شبیه‌سازی‌های عددی اثربخشی رویکرد پیشنهادی را نشان می‌دهند. الگوریتم بهینه‌سازی توان لیزر را با دقت تنظیم می‌کند تا دمای مورد نظر با حداقل خطا حاصل شود، در حالی که دمای بافت زیر حد ایمنی باقی می‌ماند. دقت مدل از طریق مقایسه با راه‌حل‌های تحلیلی برای موارد ساده‌تر تأیید شده است، که نشان‌دهنده استحکام و قابلیت اطمینان آن است. علاوه بر این، نمودار سطحی تغییرات دما در طول زمان، دیدگاه‌های ارزشمندی در مورد پاسخ پویا بافت به انرژی لیزر ارائه می‌دهد. این یافته‌ها پتانسیل ترکیب تکنیک‌های مدل‌سازی پیشرفته و الگوریتم‌های بهینه‌سازی را برای بهبود دقت و اثربخشی کاربردهای بالینی لیزر دندان برجسته می‌کنند.
[1] Srivastava, A., & Kumar, S. (2021). Modeling the thermal response of laser-irradiated biological samples through generalized non-fourier heat conduction models: A review. Annual Review of Heat Transfer, 24.
[2] Kim, H. J., Um, S. H., Kang, Y. G., Shin, M., Jeon, H., Kim, B. M., ... & Yoon, K. (2023). Laser–tissue interaction simulation considering skin-specific data to predict photothermal damage lesions during laser irradiation. Journal of Computational Design and Engineering, 10(3), 947-958.
[3] Ma, G., Prakash, R., Mann, B., Ross, W., & Codd, P. (2023, October). 3D Laser-and-tissue Agnostic Data-driven Method for Robotic Laser Surgical Planning. In 2023 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) (pp. 8446-8453). IEEE.
[4] Ma, G., Prakash, R., Mann, B., Ross, W., & Codd, P. (2023, October). 3D Laser-and-tissue Agnostic Data-driven Method for Robotic Laser Surgical Planning. In 2023 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) (pp. 8446-8453). IEEE.
[5] Sudo, K., Shimojo, Y., Nishimura, T., & Awazu, K. (2022). Three-dimensional transient simulation of CO2 laser tissue vaporization and experimental evaluation with a hydrogel phantom. Journal of Innovative Optical Health Sciences, 15(03), 2250016.
[6] Woodfield, P. L., Rode, A. V., Dao, D., Dau, V. T., Madden, S., Walsh, L. J., ... & Rapp, L. (2024). Optical penetration models for practical prediction of femtosecond laser ablation of dental hard tissue. Lasers in Surgery and Medicine, 56(4), 371-381.
[7] Welch, A. J., & Van Gemert, M. J. (Eds.). "Optical-thermal response of laser-irradiated tissue ",Vol. 2. New York: Springer.
[8] Wang, L. V., & Wu, H. I. "Biomedical optics: principles and imaging". John Wiley & Sons,2007.
[9] Eiben, A. E., & Smith, J. E." Introduction to evolutionary computing". Springer-Verlag Berlin Heidelberg.2015.
[10] Wang, L. V., & Wu, H. I. " Biomedical Optics: Principles and Imaging", Wiley,2007.
