Реферат 2
Введение 2
1. Литературный обзор 5
1.1 Физические принципы ОКТ 5
1.2. Методы обработки и анализа ОКТ изображений 22
1.2.1. Одномерные фильтры 23
1.2.2. Двумерные фильтры 25
1.2.3. Анализ изображений 27
1.3. Применение ОКТ для изучения биологических объектов 28
2. Материалы и методы исследования 30
2.1. Методика получения данных 30
2.2 Обработка результатов 31
2.3 Машинное обучение 33
3. Результаты 35
3.1 Оценка зависимости интенсивности сигнала от глубины 35
3.2 Оценка толщины рогового слоя и эпидермиса 35
3.3 Оценка коэффициентов экстинкции 37
3.4 Результаты машинного обучения 38
Выводы 40
Список использованных источников 42
Актуальность темы исследования. За последние несколько десятилетий произошел резкий скачок в развитии методов биомедицинской визуализации. Магнитно-резонансная, ультразвуковая томографии широко применяются в медицинской практике и фундаментальных [1]. Данные методы обладают большой глубиной сканирования, неинвазивны и позволяют получать высококонтрастное изображение мягких тканей [2]. Однако существуют ситуации, в которых требуется высокое пространственное разрешение, и вышеприведенные методы оказываются неприменимы. Примером может послужить диагностика злокачественных опухолей, при которой необходимо высокое разрешение для того, чтобы чётко определить границы новообразования. Тогда оправдано использование методов гистологического исследования. Подобные методики являются высокоинформативными, но инвазивными, из-за чего зачастую принципиально отсутствует возможность проведения таких исследований (например, при различных болезнях сетчатки глаза). Значительную роль среди современных методов медицинской визуализации играют оптические методы, к которым относится оптическая когерентная томография (ОКТ).
ОКТ - метод неинвазивной визуализации, который позволяет получать двумерные и трехмерные изображения ткани с микрометровым (1 - 10 мкм) [3]. Высокая скорость сканирования и быстрая обработка позволяет проводить визуализацию в реальном времени [4]. ОКТ применяется в медицинской диагностике, в частности в сердечно-сосудистой хирургии, дерматологии, стоматологии, гастроэнтерологии и урологии [5].
Лимфедема - патология, вызванная нарушением лимфотока, приводящим к отекам и дальнейшей деградации ткани [6, 7]. Данная
патология прогрессирует и при отсутствии лечения может привести к полной инвалидности. При этом данное заболевание является распространенным.
Так, по данным Всемирной организации здравоохранения, лимфедемой страдают 300 миллионов человек, причем почти 96% из них находятся в трудоспособном возрасте [8, 9]. На данный момент мало неинвазивных методов, которые позволяют количественно оценить состояние ткани на ранних стадиях заболевания.
Лимфедема связана с гипертрофией и фиброзом жировой ткани с необратимыми структурными изменениями. При лимфедеме существенно изменяются глубокие слои кожи, поражается эпидермис и сосочковая дерма [10]. Также при лимфедеме происходит разрушение структуры коллагена, связанное c давлением, вызываемое отеком тканей [11]. Деструктивные процессы сопровождаются изменением длины, толщины и пространственной ориентации коллагеновых волокон [12]. Лимфедема сопровождается изменениями уровня металлопротеиназ (ферментов, которые способны разрушать все типы белков внеклеточного матрикса) [13], что может приводить к усилению расщепления коллагена и эластина. Эластин играет решающую роль в направлении потока жидкости к лимфатическим сосудам кожи, их неспособность должным образом поддерживать лимфатические сосуды связана с прогрессированием лимфедемы [14 - 16]. Предполагается, что подобные изменения могут, в свою очередь, повлиять на распространение света в лимфедематозных тканях.
Таким образом, цель данной работы - определение оптических и геометрических свойств лимфедематозной и здоровой тканей, на основании которых выполняется построение предиктивной модели для диагностики лимфедемы.
Для достижения цели были поставлены и решены следующие задачи:
1) Получение экспериментальных данных
2) Анализ изображений лимфедематозной и здоровой тканей,
полученных при помощи ОКТ
3) Определение свойств здоровой и лимфедематозной тканей
4) Реализация алгоритма машинного обучения, позволяющего проводить диагностику лимфедемы.
Структура работы состоит из введения, трех разделов и выводов. В первом разделе работы представлен литературный обзор, посвященный низкокогерентной интерферометрии, принципам ОКТ, методам обработки изображений ОКТ, применению ОКТ в биомедицинской визуализации. В подразделе 1.1 рассмотрены физические принципы ОКТ и варианты исполнения томографов. В подразделе 1.2 описаны методы обработки изображений ОКТ, различные варианты фильтров. В подразделе 1.3 рассматриваются приложения ОКТ в задачах биомедицинской визуализации.
Второй раздел включает в себя описание материалов исследования и методики анализа данных. Указан тип данных, исследуемых в работе, методы выделения нужной информации из данных.
В третьем разделе показы результаты исследования, проводится обсуждение оптических и геометрических характеристик лимфедематозной и здоровой тканей, выявленных по изображениям ОКТ. Обсуждаются результаты машинного обучения.
В выводах сформулированы основные результаты, полученные в ходе проведенного исследования.
В данной работе проведен анализ ОКТ изображений здоровой и лимфедематозной тканей, в результате которого между двумя типами тканей были обнаружены значительные различия.
Был реализован алгоритм машинного обучения, позволяющий решить задачу классификации здоровой и лимфедематозной тканей с высокой точностью.
Выводы:
1. Построены профили затухания сигнала ОКТ в здоровой и лимфедематозной тканях. Установлено, что профили затухания сигналов ОКТ различаются: в здоровой ткани происходит более быстрое затухание сигнала, в то время как в лимфедематозной ткани сигнал затухает гораздо медленнее. Особенно ярко это проявляется для сигнала ОКТ в лимфедематозной ткани после второго облучения.
2. Определены толщины рогового слоя и эпидермиса для здоровой и лимфедематозной тканей. Выявлено, что существуют статистически значимые различия между двумя типами тканей.
3. Для здоровой и лимфедематозной тканей определен коэффициент экстинкции сигнала ОКТ. Обнаружено, что существуют значительные различия в коэффициенте экстинкции, причем как для слоя сосочковой дермы, так и для слоя ретикулярной дермы. При сравнении коэффициентов экстинкции видно, что для здоровой ткани значение коэффициента больше, чем для лимфедематозной и после первого облучения, и после второго.
4. Результаты работы алгоритма машинного обучения, на основании данных о затухании ОКТ сигнала в тканях, позволили с высокой точностью провести разделение здоровой и лимфедематозной ткани, причем для лимфедематозной ткани после второго облучения среднее значение точности составило более 90%.
Таким образом, можно сделать вывод, что ОКТ позволяет обнаружить значимые различия между здоровой и лимфедематозной тканями и пригоден для использования в качестве неинвазивного метода экспресс-диагностики лимфедемы.
По материалам данного исследования опубликована статья «An Evaluation of Lymphedema Using Optical Coherence Tomography: A Rat Limb Model Approach» в журнале Diagnostics (Q2, Impact Factor 3,6, индексируется в Scopus, PubMed, PMC, Embase) [51]. Также результаты данной научно¬исследовательской работы представлены на двух международных конференциях: VI Международная школа молодых ученых «Нелинейная фотоника» (Россия, Новосибирск, 15-19 августа 2022 г.), XXI
Международная конференция студентов, аспирантов и молодых ученых «Перспективы развития фундаментальных наук» (Россия, Томск, 23-26 апреля 2024 г.).
Bazulin E. [и др.]. Ultrasound transmission and reflection tomography
for nondestructive testing using experimental data // Ultrasonics. 2022. (124). C. 106765.
2. Florkow M. C. [и др.]. Magnetic Resonance Imaging Versus Computed Tomography for Three-Dimensional Bone Imaging of Musculoskeletal Pathologies: A Review // Journal of magnetic resonance imaging: JMRI. 2022. № 1 (56). C. 11-34.
3. Popescu D. P. [и др.]. Optical coherence tomography: fundamental principles, instrumental designs and biomedical applications // Biophysical Reviews. 2011. № 3 (3). C. 155.
4. Yaqoob Z., Wu J., Yang C. Spectral domain optical coherence tomography: a better OCT imaging strategy // BioTechniques. 2005. № 6 Suppl (39). C. S6-13.
5. Aumann S. [и др.]. Optical Coherence Tomography (OCT): Principle and Technical Realization под ред. J. F. Bille, Cham (CH): Springer, 2019.
6. Wang Y. [и др.]. Application of optical coherence tomography in clinical diagnosis // Journal of X-Ray Science and Technology. № 6 (27). C. 995¬1006.
7. Warren A. G. [и др.]. Lymphedema: a comprehensive review // Annals of Plastic Surgery. 2007. № 4 (59). C. 464-472.
8. Kistenev Y. V. [и др.]. Analysis of Collagen Spatial Structure Using Multiphoton Microscopy and Machine Learning Methods // Biochemistry. Biokhimiia. 2019. № Suppl 1 (84). C. S108-S123.
9. Юдин В.А., Савкин И.Д. Лечение лимфедемы конечностей (обзор литературы) // Российский медико-биологический вестник им. академика И.П. Павлова. 2015. Т. 23. №4. C. 145-153.
10. Filariasis W. E. C. on, Organization W. H. Lymphatic filariasis: the disease and its control, fifth report of the WHO Expert Committee on Filariasis [meeting held in Geneva from 1 to 8 October 1991] / W. E. C. on Filariasis, W. H. Organization, World Health Organization, 1992.
11. Lee B.-B., Rockson S. G., Bergan J. Lymphedema: A Concise Compendium of Theory and Practice // B.-B. Lee, S. G. Rockson, J. Bergan, Springer, 2018. 939 c.
12. Aziz J. [и др.]. Molecular Mechanisms of Stress-Responsive Changes in Collagen and Elastin Networks in Skin // Skin Pharmacology and Physiology. 2016. № 4 (29). C. 190-203.
13. Mostago-Guidolin L. B. [и др.]. Collagen morphology and texture analysis: from statistics to classification // Scientific Reports. 2013. (3). C. 2190.
14. Rutkowski J. M. [и др.]. Secondary lymphedema in the mouse tail: Lymphatic hyperplasia, VEGF-C upregulation, and the protective role of MMP-9 // Microvascular Research. 2006. № 3 (72). C. 161-171.
15. Lin Y. [и др.]. Elastin Shapes Small Molecule Distribution in Lymph Node Conduits // Journal of Immunology (Baltimore, Md.: 1950). 2018. № 9 (200). C. 3142-3150... 51