Министерство науки и высшего образования Российской Федерации
Федеральное государственное бюджетное образовательное учреждение
высшего образования
«Московский государственный технический университет имени Н.Э. Баумана
(национальный исследовательский университет)»
(МГТУ им. Н.Э. Баумана)
ФАКУЛЬТЕТ ____________________Радиоэлектроника и лазерная техника ______________
КАФЕДРА _____________________Лазерные и оптико-электронные системы_____________
РАСЧЕТНО-ПОЯСНИТЕЛЬНАЯ ЗАПИСКА
К ВЫПУСКНОЙ КВАЛИФИКАЦИОННОЙ РАБОТЕ
НА ТЕМУ:
Разработка методов исследования злокачественных
новообразований головного мозга с помощью_______
оптической когерентной томографии ____________
_______________________________________________
Студент ____РЛ2-84Б_____
_________________ _Александрова П.В._______
(Группа)
(Подпись, дата)
Руководитель ВКР
(И.О.Фамилия)
_________________ ___Долганова И.Н.________
(Подпись, дата)
Консультант
(И.О.Фамилия)
_________________ ___Черномырдин Н.В._____
(Подпись, дата)
Консультант
(И.О.Фамилия)
_________________ ____________________
(Подпись, дата)
Нормоконтролер
(И.О.Фамилия)
_________________ ____________________
(Подпись, дата)
2020
г.
(И.О.Фамилия)
Министерство науки и высшего образования Российской Федерации
Федеральное государственное бюджетное образовательное учреждение
высшего образования
«Московский государственный технический университет имени Н.Э. Баумана
(национальный исследовательский университет)»
(МГТУ им. Н.Э. Баумана)
УТВЕРЖДАЮ
Заведующий кафедрой __РЛ2___
(Индекс)
______________ _Н.В. Барышников_
(И.О.Фамилия)
« _____ » ____________ 20 ____ г.
ЗАДАНИЕ
на выполнение выпускной квалификационной работы бакалавра
Студент группы РЛ2-84Б
_______________________Александрова Полина Викторовна
(фамилия, имя, отчество)
________
Тема квалификационной работы: Разработка методов исследования злокачественных новообразований
головного
мозга
с
помощью
оптической
когерентной
томографии
_______________________________________________________________________________________
Источник тематики (НИР кафедры, заказ организаций и т.п.)
НИР по гранту РНФ № 18-38-00853 «Разработка методов оптической когерентной томографии
злокачественных новообразований головного мозга в интересах интраоперационной диагностики в
нейрохирургии».
Тема квалификационной работы утверждена распоряжением № 03.03-04/33РЛМ
от «13» декабря 2019 г.
Часть 1. Анализ проблемы интраоперационной нейродиагностики злокачественных
новообразований головного мозга
Исследовать актуальность разработки новых инструментов интраоперационной нейродиагностики и
дифференциации между степенями злокачественности глиомы. Рассмотреть основные методы
диагностики новообразований головного мозга и перспективность метода оптической когерентной
томографии. Изучить классификацию и особенности глиом головного мозга. Проанализировать
распространение немодулированного света в биологической ткани.
Часть 2. Разработка метода исследования, экспериментальной схемы и ввод характеристик
Разработать оптимальный метод исследования новообразований головного мозга. Сконструировать
экспериментальную схему исследования. Подобрать оптимальную методику подготовки образцов.
Выбрать систему параметров, позволяющую провести расширенный анализ оптических характеристик
тканей мозга.
2
Часть 3. Экспериментальная реализация терагерцовой изображающей системы на основе
эффекта твердотельной иммерсии
Описать ход эксперимента. Предоставить обработку экспериментальных данных. Проанализировать
полученные результаты. Результаты классифицировать по степеням злокачественности исследуемых
тканей головного мозга.
Общие задачи работы: Требуется разработать экспериментальный стенд и методику проведения
исследования тканей головного мозга, провести серию экспериментальных исследований и
сформировать базу данных ОКТ изображений, определить на основе анализа данных изображений
основные характеристики и соответствующие им признаки ОКТ сигнала, разработать алгоритм и его
программную реализацию для обработки результатов измерений при помощи среды математического
модулирования (MATLAB), провести анализ возможности дифференциации глиом различной степени
злокачественности от интактных тканей.
Оформление квалификационной работы:
Расчетно-пояснительная записка на 53 листах формата А4.
Перечень графического (иллюстративного) материала (чертежи, плакаты, слайды и т.п.)
Функциональная схема оптического когерентного томографа – А2, сборочный чертеж держателя
образца – А2, алгоритм обработки характеристик, полученных в ходе анализа В-сканов – А1,
результаты ОКТ исследования – А1.
Дата выдачи задания «7» февраля 2020 г.
В соответствии с учебным планом выпускную квалификационную работу выполнить в полном объеме
в срок до «15» июня 2020 г.
Руководитель квалификационной работы _________________
И.Н. Долганова
(Подпись, дата)
Студент
_________________
(Подпись, дата)
(И.О.Фамилия)
П.В. Александрова
(И.О.Фамилия)
Примечание:
1. Задание оформляется в двух экземплярах: один выдается студенту, второй хранится на кафедре.
3
Министерство науки и высшего образования Российской Федерации
Федеральное государственное бюджетное образовательное учреждение
высшего образования
«Московский государственный технический университет имени Н.Э. Баумана
(национальный исследовательский университет)»
(МГТУ им. Н.Э. Баумана)
ФАКУЛЬТЕТ ___РЛ______
УТВЕРЖДАЮ
КАФЕДРА ____РЛ2_______
Заведующий кафедрой____РЛ2___
ГРУППА ___РЛ2-84Б______
_____________ Н.В. Барышников
(Индекс)
(И.О. Фамилия)
« _____ » ____________ 20 ____ г.
КАЛЕНДАРНЫЙ ПЛАН
выполнения выпускной квалификационной работы
студента:__Александровой Полины Викторовны
(фамилия, имя, отчество)
Тема
квалификационной
работы____Разработка
методов
исследования
злокачесвтенных
новообразований головного мозга с помощью оптической когерентной томографии
№
п/п
Наименование этапов дипломного
проекта (работы)
1.
Задание на выполнение работы.
Формулирование проблемы, цели
и задач работы
2.
1 часть ______________________
3.
Утверждение окончательных
формулировок решаемой
проблемы, цели работы и перечня
задач
4.
2 часть _____________________
5.
3 часть _____________________
6.
1-я редакция работы
7.
Подготовка доклада и
презентации
8.
Заключение руководителя
9.
Нормоконтроль
10. Внешняя рецензия
11. Защита работы на ГЭК
Сроки выполнения
этапов
план
факт
07.02.2020
Планируемая дата
20.03.2020
Планируемая дата
Отметка о выполнении
Должность
Руководитель
ВКР
Руководитель
ВКР
ФИО, подпись
Долганова И.Н.
Долганова И.Н.
Барышников Н.В.
30.03.2020
Планируемая дата
Заведующий
кафедрой
30.04.2020
Планируемая дата
Руководитель
ВКР
Долганова И.Н.
30.05.2020
Планируемая дата
Руководитель
ВКР
Долганова И.Н.
01.06.2020
Руководитель
ВКР
Долганова И.Н.
Руководитель
ВКР
Долганова И.Н.
Планируемая дата
10.06.2020
Планируемая дата
10.06.2020
Планируемая дата
_13.06.2020_
Планируемая дата
Нормоконтролер
Патрикеева А.А.
09.06.2020_
Планируемая дата
18.06.2020
Планируемая дата
Студент ______________/Александрова П.В.
Руководитель ВКР_____________/ Долганова И.Н.
(подпись, дата)
(подпись, дата)
4
Министерство науки и высшего образования Российской Федерации
Федеральное государственное бюджетное образовательное учреждение
высшего образования
«Московский государственный технический университет имени Н.Э. Баумана
(национальный исследовательский университет)»
(МГТУ им. Н.Э. Баумана)
НАПРАВЛЕНИЕ НА ЗАЩИТУ
выпускной квалификационной работы
Председателю
Государственной Экзаменационной Комиссии №____
факультета __________РЛ________________МГТУ им. Н.Э.Баумана
Направляется студент ___Александрова Полина Викторовна__________группы ___РЛ2-84Б_
на защиту выпускной квалификационной работы «Разработка методов исследования
злокачественных новообразований головного мозга с помощью оптической когерентной
томографии»_____________________________________________________________________
Декан факультета
______________________________
«____»_____________ 20___г.
Справка об успеваемости
Студент Александрова П. В.
за время пребывания в МГТУ имени Н.Э.Баумана
с 2016 г. по 2020 г. полностью выполнил учебный план со следующими оценками: отлично –
85,0
%, хорошо –
15,0
%, удовлетворительно –
0,0
%.
Инспектор деканата ________________________
Отзыв руководителя выпускной квалификационной работы
Студент Александрова П.В. выполнила ВКР по теме «Разработка методов исследования
злокачественных новообразований головного мозга с помощью оптической когерентной
томографии». В рамках работы провела теоретические и экспериментальные исследования,
разработала стенд для проведения экспериментальных исследований. Результаты работы
были представлены на международных конференциях и опубликованы в научных статьях.
Александрова П.В. проявила способность к исследовательской работе, продемонстрировала
упорство в достижении результатов, все поставленные задачи выполнила в срок. Считаю, что
ВКР Александровой П.В. достойна оценки «отлично».
Руководитель
Долганова И.Н.___________________________
«____»_____________ 20___г.
Заключение кафедры о выпускной квалификационной работе
Выпускная квалификационная работа просмотрена и студент
может быть
допущен к защите этой работы в Государственной Экзаменационной Комиссии.
Зав. кафедрой__________ ______________________________
«____»_____________ 20___г.
5
РЕФЕРАТ
Расчетно-пояснительная записка 64 с., 22 рис., 1 табл., 56 источников, 2
прил.
РАЗРАБОТКА МЕТОДОВ ИССЛЕДОВАНИЯ ЗЛОКАЧЕСТВЕННЫХ
НОВООБРАЗОВАНИЙ ГОЛОВНОГО МОЗГА С ПОМОЩЬЮ ОПТИЧЕСКОЙ
КОГЕРЕНТНОЙ ТОМОГРАФИИ
Цель работы - разработать метод исследования тканей головного мозга с
помощью ОКТ для диагностики глиальных опухолей.
Для достижения данной цели в работе были поставлены и решены
следующие задачи:
1) Разработать экспериментальный стенд и методику проведения исследования
тканей головного мозга;
2) Провести серию экспериментальных исследований и сформировать базу
данных ОКТ изображений различных тканей головного мозга;
3) Определить на основе анализа ОКТ изображений основные характеристики
ткани и соответствующие им признаки ОКТ сигнала для диагностики и
дифференцирования глиом и интактных тканей головного мозга;
4) Разработать алгоритм и его программную реализацию для обработки
результатов измерений при помощи среды математического моделирования
(MATLAB);
5) Провести анализ возможности дифференциации глиом различной степени
злокачественности от интактных тканей головного мозга с помощью
предложенного метода.
6
СОДЕРЖАНИЕ
РЕФЕРАТ ..................................................................................................................... 6
СОДЕРЖАНИЕ ........................................................................................................... 7
ВВЕДЕНИЕ .................................................................................................................. 8
1 Теоретическая часть ................................................................................................. 9
1.1 Классификация и особенности глиом головного мозга .................................... 9
1.2 Распространение немодулированного света в биологической ткани ............ 10
1.3 Основные методы диагностики новообразований головного мозга ............. 12
1.4 Оптическая когерентная томография................................................................ 14
1.4.1 Принцип работы ОКТ и формирование ОКТ-изображения ........................ 14
1.4.2 Разновидности ОКТ ......................................................................................... 18
1.4.3 ОКТ как инструмент диагностики новообразований головного мозга ...... 24
2 Исследовательская часть ....................................................................................... 26
2.1 Метод исследования ........................................................................................... 26
2.2 Экспериментальная схема .................................................................................. 27
2.3 Подготовка образцов .......................................................................................... 28
2.4 Введение характеристик ..................................................................................... 29
3 Экспериментальная часть ...................................................................................... 33
3.1 Описание эксперимента...................................................................................... 33
3.2 Обработка экспериментальных данных............................................................ 34
3.3 Результаты............................................................................................................ 35
3.4 Анализ полученных результатов ....................................................................... 39
ЗАКЛЮЧЕНИЕ ......................................................................................................... 44
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ ............................................... 45
ПРИЛОЖЕНИЕ А ..................................................................................................... 52
ПРИЛОЖЕНИЕ Б ...................................................................................................... 58
7
ВВЕДЕНИЕ
Актуальность работы
Глиома головного мозга является самой распространенной опухолью
центральной нервной системы (ЦНС), которая составляет около 63% всех
диагностируемых новообразований головного мозга [1]. Важным этапом
лечения является удаление опухоли, что усложняется неполной визуализацией
ее границ вследствие ее инфильтративного роста. На данный момент существует
ряд методов интраоперационной диагностики для определения границ опухоли,
среди которых наиболее эффективными являются методы интраоперационной
магнитно-резонансной томографии (иМРТ) и флуоресцентной диагностики. Но,
как и любые другие методы, данные имеют некоторые ограничения. Для
флуоресцентной диагностики характерна низкая чувствительность метода для
глиом низкой степени злокачественности [2-4]. Недостатками иМРТ являются
высокая
стоимость,
использование
специального
хирургического
инструментария, а также для ее проведения требуется высокий уровень
подготовки хирурга [5].
Следовательно, существует большая потребность в разработке новых
инструментов интраоперационной нейродиагностики и дифференциации между
степенями злокачественности глиомы.
В данной работе рассмотрен один из перспективных методов оптической
диагностики – оптическая когерентная томография (ОКТ). ОКТ – неинвазивный
метод визуализации внутренней структуры ткани с высоким разрешением (<10
µm) и с отсутствием необходимости использования контрастных агентов [6].
Работа ОКТ основана на анализе обратно рассеянного от внутренних
компонентов исследуемой ткани зондирующего излучения видимого и ближнего
инфракрасного диапазона (λ = 700…1300 нм). ОКТ широко применяется в
биомедицинских исследованиях и в медицинской практике в качестве
вспомогательного инструмента [7-9] для визуализации из-за относительно
8
низкой
глубины проникновения
в биологические ткани
и
трудности
интерпретации сигнала.
1 Теоретическая часть
1.1 Классификация и особенности глиом головного мозга
Глиома – наиболее распространенная первичная опухоль головного мозга.
Данный вид опухоли часто растет путем диффузной инфильтрации в белое
вещество и поэтому возникают трудности с его обнаружением на поверхности
мозга.
Гистологически глиомы подразделяют на I-IV степени в соответствии с
классификацией Всемирной организации здравоохранения (ВОЗ) [56]. Опухоли
I степени, как правило, имеют благоприятный прогноз и чаще всего встречаются
у детей [10, 11]. Глиомы низкой степени – это опухоли головного мозга, которые
происходят от двух различных типов клеток, известных как астроциты и
олигодендроциты. Они классифицируются как опухоли II степени и явдеются
медленно растущим типом глиом у взрослых. Наиболее распространенными из
астроцитарных опухолей головного мозга являются злокачественные глиомы
(около 63%) [1, 12]. К ним относятся глиомы III степени, которые являются
диффузными и называются анапластическими астроцитомами. А также
глиобластомы (глиомы IV степени), представляющие собой агрессивный тип
рака, который образуется из клеток, называемых астроцитами. Именно
последний тип трудно поддается лечению.
9
1.2 Распространение немодулированного света в
биологической ткани
Биологические
ткани
являются
оптически
неоднородными
поглощающими средами, у которых средний показатель преломления выше, чем
у воздуха. Большинство биологических тканей состоит из структур, размеры
которых изменяются в широком диапазоне от нанометров до микрометров.
Мышечная ткань, дерма кожи, твердая мозговая оболочка, роговица глаза и
склера
принадлежат
образованному
к
типу
коллагеновыми
соединительных
волокнами.
биологических
Внутри
клеток
тканей,
имеются
разнообразные структуры, определяющие рассеяние света тканью (ядра клеток,
митохондрии, лизосомы, пероксисомы). Распространение света в биологической
ткани зависит от рассеивающих и поглощающих свойств ее компонентов
(рисунок 1).
Рисунок 1 - Распространение немодулированного света в биологической ткани
Ослабление лазерного пучка в биологической ткани в геометрии на
пропускание описывается законом Бугера-Бера 𝐼(𝑧), Вт⁄ 2 :
см
𝐼(𝑧) = (1 − 𝑅)𝐼0 exp(−𝜇𝑡 𝑧),
10
(1)
𝑅 = [(𝑛 − 1)/(𝑛 + 1)]2
(2)
- коэффициент отражения Френеля, при нормальном падении пучка,
где n – относительный показатель преломления биологической ткани;
𝐼0 – интенсивность падающего света, Вт⁄ 2 ;
см
𝜇𝑡 = 𝜇𝑎 + 𝜇𝑠
(3)
- коэффициент экстинкции (коэффициент взаимодействия или ослабления),
1⁄ ,
см
где 𝜇𝑎 – коэффициент поглощения, 1⁄см;
𝜇𝑠 – коэффициент рассеяния, 1⁄см;
z – толщина образца, см.
Необходимо отметить, что коэффициент (𝜇𝑡 = 𝜇𝑎 + 𝜇𝑠 ) белого вещества
существенно выше, чем серого вещества [13]. Опухоли в общем случае
макроскопически
менее
однородны,
чем
любые
другие
нормальные
биологические ткани, следовательно, коэффициент рассеяния и параметр
анизотрпии у них немного выше, чем у серого вещества. Существенные
структурные изменения в биологических тканях, описывающие формирование
опухоли, приводят к росту обоих коэффициентов взаимодействия, что главным
образом происходит из-за уплотнения ткани и гомогенизации сосудистых стенок
[14]. Ткань становится более плотной вследствие потери воды при коагуляции.
Может начаться васкуляризация (процесс формирования новых кровеносных
сосудов внутри ткани), также может увеличится концентрация клеток,
произойти рост ядер и образоваться некроз. Все это приводит к увеличению
коэффициентов рассеяния и поглощения в спектральном диапазоне. А,
11
следовательно, данные факторы влияют на взаимодействие излучения с
веществом. К сожалению, описанные выше процессы не несут в себе полной
информации об изменении оптических свойств исследуемой биологической
ткани, так как протекают одновременно.
1.3 Основные методы диагностики новообразований
головного мозга
В настоящее время проблема диагностики и полной резекции опухолей
головного мозга является актуальной. Согласно эпидемиологическим данным, в
России
опухоли
головного
мозга
составляют
2%
от
всех
случаев
злокачественных новообразований ЦНС у человека [15-17]. Для эффективного
лечения и диагностики используют различные методы:
1) Магнитно-резонансная томография (МРТ) – наиболее значимый метод
диагностики опухолей головного мозга. А иМРТ с контрастным усилением
обладает высокой чувствительность и считается одним из лучших методов в
определении степени удаления опухоли. Но, несмотря на высокую
информативность, данный метод имеет ряд недостатков: высокая стоимость,
трудность в техническом осуществлении, невозможность интеграции с
микроскопом. Все это приводит к увеличению времени проведения операции.
В работе H. Hirschberg [18] сравнивалось время оперативного вмешательства
с использованием иМРТ, которое составило в среднем 5,1 ч, со временем
стандартной операции – 3,4 ч.
2) Магнитно-резонансная (МР)-спектроскопия. Данный метод позволяет
получать информацию о химическом составе исследуемой ткани. МРспектроскопия
может
применяться
также
для
дифференциальной
диагностики различных гистологических типов глиальных опухолей. Данный
метод входит в состав оптических методов диагностики и обладает высокой
12
точностью в детектировании определенных атомов, молекул и химических
связей внутри вещества [19, 20].
3) Флуоресцентная диагностика. Данный метод основан на способности
фотосенсибилизаторов выборочно накапливаться в опухолевой ткани и при
взаимодействии
с
излучением
света
определенной
длины
волны
флуоресцировать. Это и позволяет хирургу определить опухоль и ее границы.
Однако существует и ряд недостатков, одним из которых является
субъективная оценка степени флуоресценции, определяемая хирургом «на
глаз». Это может привести к неполной резекции опухолевой ткани из-за
слабой флуоресценции. Также необходимо использовать специальные
препараты (экзогенные фотосенсибилизаторы на основе производных
гематопрофина) для проведения диагностики на основе экзогенной
флуоресценции.
4) Гистологические исследования. Золотой стандарт диагностики. Один из
основных
методов
лабораторной
диагностики
новообразований,
позволяющий оценить состояние и структуру клеток. Изучение клеток
образца пораженной ткани происходит при помощи различных технологий
обработки и способов микроскопии. Может выполняться только для
биопсийного материала, не применим in vivo. В настоящее время используют
два способа проведения гистологического исследования. Обычный способ
включает в себя получение биоптата с последующей обработкой
фиксирующим веществом и покрытием парафином. Далее препарат нарезают
при помощи специального оборудования на «ломтики» и окрашивают.
Полученную картину изучают под микроскопом и выносят заключение.
Процедура занимает от 7 до 10 дней. Ускоренный метод, необходимый для
немедленной диагностики, включает в себя замораживание биоптата, его
нарезку и немедленное проведение микроскопии. Исследование занимает
менее часа.
13
1.4 Оптическая когерентная томография
Оптическая когерентная томография (ОКТ) – высокоразрешающий метод,
который позволяет
получить изображение внутренней микроструктуры
биологической ткани и определить рассеивающие свойства в пределах глубины
зондирования 1-3 мм. ОКТ-исследование состоит в измерении сигнала обратного
рассеяния или отражения от неоднородностей биологической ткани видимого
или ближнего инфракрасного диапазона в зависимости от глубины, z.
Впервые
метод
ОКТ
был
представлен
командой
ученых
из
Массачусетского технологического института [21]. ОКТ получила широкое
распространение в экспериментальной медицине, а также в нейрохирургии.
1.4.1 Принцип работы ОКТ и формирование ОКТизображения
Классическая схема ОКТ-устройства представляет собой интерферометр
Майкельсона. В одно плечо помещают опорный отражатель, в другое – объект и
освещают светом с малой длиной временной когерентности (рисунок 2). Свет
частично отражается от поверхности объекта, а частично проходит внутрь.
Внутри объекта свет испытывает многочисленные акты рассеяния и отражения
на оптических неоднородностях, которые являются следствием скачков
показателя преломления вещества, из которого состоит объект. В результате
часть излучения выходит из объекта и попадает на детектор, при совпадении
длин оптического хода в двух ветвях интерферометра формируется сигнал. Эта
часть излучения состоит из большого числа элементарных волн, каждая из
которых отразилась от какой-либо неоднородности внутри среды (или испытала
рассеяние на этой неоднородности).
14
Рисунок 2 - Функциональная схема ОКТ устройства
Элементарные волны несут информацию о двух важных параметрах,
характеризующих саму среду.
• Во-первых, амплитуды волн определяется отражательной способностью
неоднородности, послуживших источниками этих волн.
• Во-вторых, в процессе распространения в среде до неоднородности и
после нее происходит накопление волной временной задержки, или
фазового сдвига, которые зависят от
длины оптического пути,
пройденного этой волной. Длина пути, пройденного волной, зависит, в
свою очередь, от глубины расположения оптической неоднородности.
Задача восстановления внутренней оптической структуры объекта
заключается в селекции отраженного объектом излучения по длинам оптических
путей, или по глубине, с которой это излучение пришло, и определении степени
отражения на этой глубине. Предметная волна интерферирует с опорной волной
от того же источника, каким освещали образец. Результат интерференции
получают при помощи детектора интерферометра. Интенсивность сигнала
пропорциональна интерференционному члену, который, в свою очередь, зависит
от разности фаз двух волн на детекторе.
Опорное плечо интерферометра
устроено таким образом, что длина оптического пути, который проходит
15
опорная волна, может меняться, так что опорная волна каждый раз
интерферирует с долей излучения, пришедшего с разной глубины внутри
объекта. Результатом является интерференционный сигнал, - и есть одиночный
скан объекта по глубине (А-скан) (рисунок 3, а).
Объединяя сканирование в латеральных координатах и сканирование по
глубине, ОКТ позволяет формировать двумерное изображение в поперечном
сечении микроструктуры ткани (B-скан) (рисунок 3, б). Осуществляя
дополнительное перемещение зондирующего луча перпендикулярно траектории
В-сканов, получают трехмерные изображения (рисунок 3, в).
Рисунок 3 - Формирование ОКТ-изображения: а – интенсивность сигнала
по глубине (А-скан); б – двумерное (В-скан); в – трехмерное [22]
Рассмотрим приближение с однократного рассеяния. Данная модель
основывается на предположении, что только свет, испытавший однократное
рассеяние, сохраняет когерентные свойства и вносит непосредственный вклад в
формирование ОКТ-сигнала.
Измеряемый ОКТ-сигнал определяется как
(〈𝑖 2 (𝑧)〉)1/2 ≈ (〈𝑖 2 〉0 )1/2 {exp (−2𝜇𝑡 𝑧)}1/2 ,
(4)
где 〈𝑖 2 (𝑧)〉 – среднеквадратичное значение тока гетеродинного сигнала
фотодетектора,
16
〈𝑖 2 〉0 – среднеквадратичное значение гетеродинного сигнала в отсутствии
рассеяния.
ОКТ-исследование состоит в измерении обратного рассеяния или
отражения излучения, 𝐼(𝑧) ∝ (〈𝑖 2 (𝑧)〉)1/2 , от неоднородностей биологической
ткани:
𝑅(𝑧) ∝ exp (−𝜇𝑡 𝑧)
(5)
Оптические свойства биологической ткани, а именно полный коэффициент
затухания 𝜇𝑡 , влияют на интенсивность отраженного излучения следующим
образом:
𝐼(𝑧) = 𝐼0 𝛼(𝑧) exp(−𝜇𝑡 𝑧),
(6)
где 𝐼0 – интенсивность излучения на входе в исследуемый объект, Вт⁄ 2 ;
см
𝛼(𝑧) – локальная отражательная способность биологической ткани по глубине 𝑧,
см.
Интенсивность отраженного излучения зависит от оптических свойств
биологической ткани, т.е. коэффициентов поглощения и рассеяния.
При однородном слое биологической ткани (отражательная способность
𝛼(𝑧) не зависит от глубины) для двух глубин 𝑧1 и 𝑧2 можно оценить
коэффициент затухания 𝜇𝑡 , 1⁄см, следующим образом:
𝐼(𝑧1 )
1 𝐼(𝑧1 )
≈ exp[−𝜇𝑡 (𝑧1 − 𝑧2 )] → 𝜇𝑡 =
ln
,
𝐼(𝑧2 )
∆𝑧 𝐼(𝑧2 )
17
(7)
где ∆𝑧 = |𝑧1 − 𝑧2 |, см.
(8)
При помощи ОКТ также могут быть изучены анизотропные свойства
рассеяния биологические ткани. Так, например, авторы работы, [32] исследуя
кортикальный слой кости с помощью системы ОКТ на длине волны 1300 нм,
обнаружили различия коэффициента рассеяния примерно на 40% для светового
пучка, перпендикулярного (𝜇𝑠 = 28 см−1 ) и параллельного (𝜇𝑠 = 20 см−1 )
главному направлению естественных борозд в биологической ткани.
1.4.2 Разновидности ОКТ
Амплитудная (временная) ОКТ
Общая схема данного метода представлена на рисунке 4. Поле от
источника поступает в светоделитель. Далее часть распространяется в опорном
плече, отражаясь от эталонного зеркала. Другая часть распространяется в
предметном плече, отражаясь от образца. Интерференция между оптическими
полями наблюдается только тогда, когда длины путей опорной и предметной
волн находятся в пределах длины когерентности источника. Следовательно,
разрешение по глубине (осевое) системы ОКТ определяется временной
когерентного источника света. Резкие изменения показателя преломления на
границе раздела включений или слоев образца проявляются как пики
интенсивностей в интерференционной картине. Интерференционную картину во
временной
области
можно
получить,
перемещая
эталонное
зеркало
(расположенное на опорном плече), тем самым, изменяя длину опорного плеча.
18
Рисунок 4 - Базовая система ОКТ на основе интерферометра Майкельсона [33]
Схема,
составленная
на
основе
суперлюминесцентного
диода
и
одномодового волоконно-оптического интерферометра Майкельсона, показана
на рисунке 4.1 [23]. Данная схема является примером временной ОКТ. С ее
помощью можно определить положение неоднородности в продольном
направлении. Для этого уравниваются длины сигнального и опорного плеч
интерферометра. Скорость сканирования поддерживается постоянной 50 см/с
для того, чтобы ограничивать сигнал на доплеровской частоте в пределах полосы
детектирования.
Рисунок 4.1 - Схема волоконного когерентного оптического томографа (ОКТ)
[23]
19
Двухволновая волоконная ОКТ
Использование
двух
или
несколько
длин
волн
для
получения
многоволнового изображения улучшает способность детектирования изменений
в толще рассматриваемой ткани. Схема данной ОКТ-системы показана на
рисунке 4.2 [24]. Используются два суперлюминесцентных диода, излучение
которых вводится в интерферометр Майкельсона. Падающее излучение делится
на две равные части между пробным и опорным плечами волоконным делителем.
Разность
хода
между
плечами
интерферометра
модулируется
пьезоэлектрическим преобразователем. При помощи помещения в одно из плеч
интерферометра дополнительного отрезка оптоволокна с отличными от
основного дисперсионными свойствами решается проблема одновременный
компенсации волновой дисперсии на двух различных длинах волн.
Рисунок 4.2 - Схема двухволнового ОКТ [24]
Спектральная ОКТ
Данный метод интересен тем, что он не требует сканированя по глубине
образца с помощью механического перемещения зеркала, а также имеет высокие
значения чувствительности и скорости. В качестве детектора используется
спектрометр. Схема экспериментальной установки на основе спектрометра с
20
высоким разрешением и интерферометра Майкельсона представлена на рисунке
4.3.
Рисунок 4.3 - Основная схема спектрального ОКТ с источником света,
имеющим малую длину когерентности [25]
Спектральная (Фурье) -ОКТ схема реализуется при помощи быстро
перестраиваемого в широкой полосе оптических частот лазера. В данном типе
используется единственный фотодиод или матрица фотодиодов с целью
кодировать спектральный интерферометрический сигнал с характерной
частотой гетеродинных биений и впоследствии устранить спектральные и
автокорреляционные артефакты, связанные с особенностями спектральной ОКТ.
Доплеровская ОКТ
Подобная
система
используется
для
получения
томографических
изображений статичных и движущихся компонентов с высоким разрешением в
сильно рассеивающих биологических тканях [26]. Доплеровский сдвиг
интерференционной полосы получается при интерференции рассеянного назад
от движущихся частиц света и опорного пучка.
21
𝑓𝐷𝑠 =
2𝑉𝑠 𝑛 cos 𝜃
,
𝜆0
(9)
где 𝑉𝑠 – скорость движения частиц, м⁄с;
𝑛 – показатель преломления среды, окружающей частицы;
𝜃 – угол между потоком частиц и пробным пучком света, град;
𝜆0 – центральная длина волны источника света в вакууме, м.
Продольную скорость можно определить, измеряя доплеровский сдвиг в
локализованных областях объекта (в глубине рассеивающей ткани). Поперечную
скорость потока можно получить из уширения спектральной полосы [26].
Поляризационно-чувствительная (ПЧ) ОКТ
ПЧ
ОКТ-системы
обеспечивают
визуализацию
тканей,
используя
элементы матрицы Джонса [27] или Мюллера [28]. Эту систему используют для
измерения двулучепреломления биологической ткани на глубинах более 300-500
мкм, а для более глубоких слоев можно использовать кросс-поляризационную
ОКТ (КП ОКТ) [29]. Схема данной системы представлена на рисунке 4.4.
Рисунок 4.4 - Кросс-поляризационный ОКТ [29]: СЛД – суперлюминесцентный
диод; КДЛ – красный диодный лазер; М – мультиплексор; КП – контроллер
поляризации; ВР – волоконный разветвитель; ПС – поперечный сканер; О –
исследуемых объект; ППС – продольный пьезо-сканер; Л – линзы; ФВ –
22
фарадеевский вращатель; ОЗ – опорное зеркало; ФД – фотодиод; СУ –
селективный усилитель; ЛУ – логарифмический усилитель; АД – амплитудный
детектор; АЦП – аналого-цифровой преобразователь; ПК – персональный
компьютер.
Мультиплексор выполняет функцию комбинирования низкокогерентного ИКизлучения от СЛД с излучением красного диодного лазера. Только кроссполяризованная компонента света, рассеянного назад биологическим объектом,
будет интерферировать со светом из опорного плеча. В отличие от обычной ОКТ,
кросс-поляризационное изображение включает в себя более подробную
структурную информацию.
Оптическая когерентная микроскопия (ОКМ)
Преимущество в использовании ОКМ в биомедицинских исследованиях
заключается в возможности послойного анализа биологической ткани, присущей
ОКТ и конфокальной микроскопии [30]. Схема ОКМ-системы представлена на
рисунке 4.5. Предметное плечо низкокогерентного интерферометра состоит из
высокоскоростного
сканирующего
конфокального
микроскопа
(КМ)
с
быстродействующим сканером и медленным сканером. Последний расположен
в плоскости изображений быстрого сканера. Данная установка превращается в
КМ при блокировании опорного плеча и регистрации постоянного сигнала,
поступающего из предметного плеча.
23
Рисунок 4.5 - Оптическая схема высокоскоростного полнополевого оптического
когерентного микроскопа [31]: 1 – низкокогерентный источник света; 2 –
волоконно-оптический интерферометр; 3 – акустооптический модулятор; 4 –
приемник; 5 – резонансный сканер; 6 – блок обработки данных на основе
компьютера; 7 – зеркало; 8, 9, 11, 12 – линзы; 10 – гальванометр; 13 – объектив
микроскопа; 14 – образец; R – опорное плечо; S – предметное плечо.
1.4.3 ОКТ как инструмент диагностики новообразований
головного мозга
Для нейрохирургии ОКТ привлекателен как возможность бесконтактного
и неинвазивного метода интраоперационной диагностики. Наибольший интерес
данный метод представляет в качестве интраоперационного определения границ
глиальных опухолей, определяемых по характеру ОКТ-сигнала [35], а также для
дифференциации различных степеней злокачественности [34].
В работе [36] исследовались глиомы различных степеней при помощи ОКТ
полного поля. Авторы, получив результаты, пришли к выводу о том, что
диффузионные
глиомы
низкой
степени
на
изображениях
ошибочно
принимаются за нормальную ткань. Однако, глиомы высоких степеней приводят
24
к нарушению нормальной структуры паренхимы (функциональная ткань
головного мозга), что успешно наблюдается на изображениях и приводит к
легкой идентификации опухолей высоких степеней.
В другой рассмотренной работе [37] были получены оптические свойства
для различных типов ткани с помощью кросс-поляризационной ОКТ. Белое
вещество
характеризовалось
высоким
затуханием
𝜈𝑊𝑀 = 8,5 мм−1
и
поперечным рассеянием вперед 𝐶𝑊𝑀 = 0,56 мм−1 .
Кора головного мозга легко дифференцировалась от белого вещества. Были
получены следующие значения 𝜈𝐶𝑇𝑋 = 2,5 мм−1 и 𝐶𝐶𝑇𝑋 = 0,022 мм−1 .
В зависимости от наличия некротических участков выделили два подтипа
опухолевой ткани с разными оптическими свойствами: 1) ткань глиомы без
некротических участков («I – III степеней» и «глиобластома IV степени без
некротических участков») характеризовались следующими свойствами: 𝜈𝑇1 =
3,0 [2,6; 3,56] мм−1 и 𝐶𝑇1 = 0,017 [0,014; 0,019] мм−1 ;
2) ткань с частичным или полным некрозом («глиобластома IV степени с
некротическими участками» и «некроз») - 𝜈𝑇1 = 5,5 [5,3; 7,67] мм−1 и 𝐶𝑇1 =
0,18 [0,11; 0,32] мм−1 .
Ткань глиомы с некрозом проявляла оптические свойства, аналогичные
свойствам белого вещества, в то время как ткани глиомы без некроза проявляли
свойства, сходные со свойствами коры головного мозга.
Авторы работы [34] проанализировали образцы биопсии опухолей
головного мозга 9 пациентов (6 из них с недавно диагностированной
глиобластомой IV, 2 с возвратной формой глиобластомы IV и 1 пациент с
анапластической
астроцитомой
III)
и
представили
первое
технико-
экономическое обоснование интраоперационной ОКТ и обработки полученного
изображения для неинвазивной визуализации мозга и опухоли. В работе
рассматривались В-сканы, показавшие отличную микроструктуру и ослабление
25
сигнала, что позволило различить нормальный мозг, область инфильтрации
опухоли в мозг, саму опухоль и некроз.
Вывод: ОКТ является перспективным методом в нейрохирургии, позволяющим
получить информацию о микроструктуре ткани, а следовательно, различие
между опухолевой тканью и белым веществом, что приводит к возможности
определения границ опухолевого роста.
Однако, проведение исследования тканей ex vivo сопровождается некоторыми
сложностями, одной из которых является то, что биологические ткани (в том
числе мозг), состоящие из большого процента воды, в ходе исследования
подвергаются дегидратации. Это, в свою очередь, приводит к изменению
оптических характеристик.
При исследовании методом ОКТ также необходимо создать специальную
методику обработки ОКТ-изображения, учитывающую различные оптические
свойства и характеристики биологических тканей.
2 Исследовательская часть
2.1 Метод исследования
Исследование было выполнено на ОКТ системе OCT1300Y (рисунок 5),
изготовленной в Институте прикладной физики РАН (Нижний Новгород,
Россия) [38, 39]. Данная система содержит источник излучения с центральной
длиной волны 1,3 мкм и средней мощностью 0,75 мВт. За счет пьезомодулированного сканирования излучения в волоконном зонде, формируются Всканы (2D изображения по глубине размером 256х400 пикселей) для области
ткани с боковым размером 2 мм и глубиной около 1,0 мм. Теоретическое
достижимое пространственное разрешение в поперечном измерении и по
глубине составляют 50 мкм (в воздухе) и 30 мкм соответственно.
26
Рисунок 5 - Коммерческая система OCT 1300Y
2.2 Экспериментальная схема
На рисунке 6.1 представлена экспериментальная схема исследования,
включающая в себя коммерческую систему OCT1300Y, крепежную систему,
позволяющую подводить зонд ОКТ снизу исследуемой ткани, персональный
компьютер, выводящий полученные В-сканы.
Исследуемые
образцы
помещались
на
поверхность
контрольного
оптического стекла (рисунок 6.2). Во время транспортировки от места иссечения
образцов до предполагаемых измерений образцы охлаждали и покрывали
желатиновой пленкой, которую удаляли только после проведения эксперимента.
Это позволяло предотвратить дегидратацию тканей и сохранить оптические
характеристики
на
протяжении
длительного
времени.
Все
измерения
проводились не позднее, чем через 4 часа после операции. После получения
ОКТ-изображений образец ткани фиксировали в формалине и транспортировали
на гистологическое исследование для окрашенной гематоксилином и эозином
(НЕ) микроскопии, которая подтверждала предварительные диагнозы.
27
Рисунок 6.1 - Экспериментальная схема
Рисунок 6.2 - ОКТ визуализация мозговой ткани с желатином ex vivo [41]
2.3 Подготовка образцов
Глиома головного мозга является самой распространенной опухолью ЦНС.
Согласно пересмотру ВОЗ классификаций опухолей ЦНС в 2016 году [40],
получены следующие нозологические типы
28
• Степень I – доброкачественная астроцитарная опухоль, включающая в
себя пилоцитарную астроцитому (четкие границы, медленный рост) и
субэпендимальную гигантскую клеточную астроцитому (возникают
внутри желудочков головного мозга);
• Степень II – диффузная астроцитарная опухоль, включающая диффузную
астроцитомы с/без мутации в гене IDH1 или IDH2, гемистоцитарная
астроцитома (агрессивный рост, не имеет некрозов), олигоастрацитома
(без четких границ), олигодендроглиома (нечеткий контур, поражает
серое и белое вещество);
• Степень
III
–
диффузная
астроцитарная
опухоль,
включающая
анапластическую астроцитома с/без мутаций в гене IDH1 или IDH2,
анапластическую
олигоастроцитому,
анапластическую
олигодендроглиому;
• Степень
IV
–
диффузная
астроцитарная
опухоль,
включающая
глиобластому различных нозологических типов (глиобластома с/без
мутации в гене IDH1 или IDH2, эпителиоидная глиобластома,
гигантоклеточная глиобластома и глиосаркома);
Были проанализированы образцы мозговой ткани человека ex vivo.
Информация об измеренных образцах представлена в таблице 1. Образцы
иссекались во время нейрохирургической операции, в соответствии с
первоначальным медицинским диагнозом. Неповрежденные ткани (интактные)
были получены в ходе операции при доступе к опухолевым. После резекции
образцы помещали в желатин и транспортировали в термоконтейнере.
Измерения проводились не позднее, чем через 4 часа после удаления.
2.4 Введение характеристик
В работе на разных этапах рассматривались различные характеристики
ОКТ-сигнала.
29
1) Коэффициент ослабления 𝜇 для А-сканов в приближении однократного
рассеяния [42], который экспоненциально уменьшает интенсивность
сигнала
𝐼(𝑧) = 𝐼0 exp(−𝜇𝑧) , Вт⁄ 2 ,
мм
(10)
где z дискретная оптическая глубина образца, мм;
𝐼0 – начальная интенсивность сигнала, Вт⁄ 2 .
мм
В
оптическом
диапазоне
коэффициент
ослабления
тканей
определяется в основном коэффициентом рассеяния, так как коэффициент
поглощения имеет намного меньшее значение [43]. Для оценки 𝜇 можно
применить линейное приближение экспериментального значения 𝐼(𝑧) в
логарифмическом представлении для области глубины между вторым
пиком интенсивности (от границы стекло - образец) 𝑧2 и интенсивностью,
соответствующей ослаблению сигнала до начала уровня шума 𝑧𝑛𝑜𝑖𝑠𝑒
(рисунок 7(а)). Когда определение 𝑧𝑛𝑜𝑖𝑠𝑒 не является очевидным,
минимизация среднеквадратичной ошибки может быть представлена
𝑧𝑛𝑜𝑖𝑠𝑒
𝑧𝑛𝑜𝑖𝑠𝑒 = 𝑎𝑟𝑔𝑚𝑖𝑛𝜇 [ ∑ [𝐼(𝑧) − 𝐼𝑓𝑖𝑡 (𝑧, 𝜇)]2 /𝑁𝑑𝑒𝑐𝑎𝑦
𝑧=𝑧2
(11)
𝑧𝑚𝑎𝑥
+
∑ [𝐼(𝑧) − 𝐼𝑛𝑜𝑖𝑠𝑒 ]2 /𝑁𝑛𝑜𝑖𝑠𝑒 ],
𝑧=𝑧𝑛𝑜𝑖𝑠𝑒
где 𝐼𝑓𝑖𝑡 (𝑧, 𝜇) – наклонная линия;
𝐼𝑛𝑜𝑖𝑠𝑒 = 𝐼𝑓𝑖𝑡 (𝑧𝑛𝑜𝑖𝑠𝑒 , 𝜇) – горизонтальная линия, соответствующая уровню
шума;
30
𝑧𝑚𝑎𝑥 – максимальная глубина образца, мм;
𝑁𝑑𝑒𝑐𝑎𝑦 и 𝑁𝑛𝑜𝑖𝑠𝑒 – номера слагаемых в первой и второй суммах
соответственно.
Анализ 𝜇 отражает структурные свойства ткани, такие как плотность,
размер клеток и ядер, наличие и образование миелиновых волокон.
Рисунок 7 - Пример А-скана: извлечение коэффициента ослабления (a) и
нормированный пик интенсивности отражения (b) [44]
2) Нормированный пик интенсивности отражения А-скана (рисунок 7(b))
2
2
𝑛2 (𝑧)
𝑛2 (𝑧)
𝐼
𝐾 = 2⁄𝐼 ∝ [(1 −
) / (1 +
) ],
1
𝑛1
𝑛1
(12)
который определяется переменным показателем преломления ткани 𝑛2 (𝑧)
и фиксированным показателем преломления эталонного стекла 𝑛1 . (𝐼1 –
интенсивность от границы раздела между зондом и стеклом, дБ; 𝐼2 –
интенсивность от границы между стеклом и образцом, дБ). Анализ
параметра K учитывает диэлектрические свойства исследуемой ткани,
которые зависят от ее химического состава, кальцификации, состояния и
концентрации воды и других компонентов.
31
3) Стандартное отклонение 𝜇 в пределах конкретной области в боковом
направлении по А-скану, включающему в себя 𝑁𝐴 соседних А-сканов
𝑁𝐴
(13)
(𝜇 − 𝜇̅ )2⁄ 0,5
−1
𝜎𝜇 = [∑ 𝑖
𝑁𝐴 ] , мм ,
𝑖=1
где 𝜇̅ – среднее значение 𝜇 в расчетной области, размер которой
соответствует 150 мкм (типичный размер мелкого сосуда в ткани мозга),
мм−1 .
4) Стандартное отклонение K в той же области 150 мкм в боковом
направлении по А-скану
𝑁𝐴
(14)
̅ )2
(𝐾 − 𝐾
⁄𝑁 ]0,5 ,
𝜎𝐾 = [∑ 𝑖
𝐴
𝑖=1
̅ – среднее значение K в рассматриваемой области.
где 𝐾
Два последних признака 𝜎𝜇 и 𝜎𝐾 напрямую зависят от мелкомасштабной
неоднородности
ткани,
которая
может
быть
вызвана
возможной
васкуляризацией или наличием кровоизлияний, некроза и кист, а также могут
повлиять на точность анализа тканей мозга.
Выбор системы описанных параметров позволяет провести расширенный
анализ оптических характеристик тканей мозга. В отличие от известных методик
анализа ОКТ изображений, которые в основном используют один параметр –
коэффициент затухания, данная система параметров характеризует также
косвенно показатель преломления ткани и гетерогенность оптических
характеристик.
32
3 Экспериментальная часть
3.1 Описание эксперимента
В работе рассматривался набор из 21 образца ex vivo различных размеров,
иссеченных в ходе нейрохирургической операции (таблица 1). Данный набор
включает в себя опухоли различных степеней, а также здоровые ткани
(интактные).
Таблица 1 - Образцы тканей мозга человека
#
Пол
Возраст
Тип ткани /
патология
Степень
Кол-во
злокачественности
А-
по ВОЗ
сканов
1
Мужской
66
перифокальная кора
-
1410
2
Женский
69
перифокальная кора
-
724
3
Мужской
45
-
2280
4
Мужской
38
-
2310
5
Женский
39
I
405
6
Женский
31
I
1700
7
Женский
25
I
4690
8
Мужской
29
II
3170
9
Женский
63
II
3350
10 Мужской
31
II
140
перифокальное
белое вещество
перифокальное
белое вещество
пилоидная
астроцитома
пилоидная
астроцитома
ганглиоцитома
диффузная
астроцитома
диффузная
астроцитома
диффузная
астроцитома
33
Продолжение таблицы 1
#
Пол
Возраст
Тип ткани /
патология
Степень
Кол-во
злокачественности
А-
по ВОЗ
сканов
11 Мужской
43
олигодендроглиома
II
2890
Женский
56
олигодендроглиома
II
3655
13 Мужской
47
III
2720
Женский
26
III
27102
15 Мужской
41
III
200
Женский
69
глиобластома
IV
1650
17 Мужской
52
глиобластома
IV
6439
18
Женский
64
глиобластома
IV
6800
19
Женский
69
глиобластома
IV
4613
20
Женский
55
глиобластома
IV
1650
21
Женский
20
глиобластома
IV
5160
12
14
16
анапластическая
астроцитома
анапластическая
олигодендроглиома
анапластическая
глиома
Как уже было описано ранее, измерения образцов проводились не позднее
чем через 4 часа после резекции. Для предотвращения гидратации и
дегидратации, а также для фиксации образца использовалась желатиновая
пленка (рисунок 6.2).
3.2 Обработка экспериментальных данных
На рисунках 8 - 15 изображены результаты ОКТ-исследования ex vivo
тканей человеческого мозга. В качестве анализируемых характеристик
34
использовались 𝜇, 𝜎𝜇 , 𝐾 и 𝜎𝐾 . В-сканы были получены от разных точек образца
с помощью ОКТ-зонда.
В ходе обработки данных, характеризующих различные классы тканей,
были получены соответствующие массивы точек распределения [𝜇, 𝜎𝜇 ] и [𝐾, 𝜎𝐾 ]
(рисунки 8, 10, 12, 14 (с) и (d)). Для оценки относительного распределения
наблюдаемых значений между различными классами тканей применялся
статистический анализ, т.е. некоторый тип дискриминантного анализа [45],
[46]. Первым этапам данного анализа является нахождение центров масс
каждого класса при их попарном сравнении (𝑃𝑊𝑀 - центр масс белого вещества,
𝑃𝐶 – центр масс коры головного мозга, 𝑃𝐺−𝑖 – центр масс различных степеней
глиомы). Далее центры масс соединяются прямой и все экспериментальные
точки на графике проецируются на эту прямую. В качестве точки начала
отсчета выбирается положение одного из центра масс и строятся гистограммы,
которые позволяют оценить возможность дифференциации двух классов тканей
(рисунки 9, 11, 13, 15).
3.3 Результаты
В этой части работы был проведен сравнительный анализ параметров
различных классов глиом с корой головного мозга и белым веществом.
Анализируя графики (d) на рисунках 8 - 15, можно заметить, что белое вещество
и кора головного мозга имеют различные значения 𝐾 и 𝜎𝐾 , что свидетельствует
о
различиях
в
показателях
преломления
рассматриваемых
тканей.
Следовательно, эти два класса можно различить на 𝐾-диаграмме (зеленый и
синий массив точек).
35
Рисунок 8 - Анализ ОКТ-изображений образцов человеческого мозга ex vivo; (a)
ОКТ-изображение глиомы I степени; (b) гистологическое изображение глиомы
I степени; (c), (d) распределение [𝜇, 𝜎𝜇 ] и [𝐾, 𝜎𝐾 ] соответственно;
Рисунок 9 - Анализ ОКТ-изображений образцов человеческого мозга ex
vivo; (a) - (b), (c) – (d) гистограммы дифференциации между глиомой I степени
и неповрежденными тканями (кора головного мозга и белое вещество),
полученные из анализа рисунка 8 (c), (d) соответственно [44]
В случае глиом I (рисунки 8 и 9) и II степеней (рисунок 10 и 11), согласно
полученным гистограммам (рисунки 9 и 11), опухолевые и интактные ткани
имеют разные особенности. Также значения, полученные от коры головного
мозга, можно отличить от значений глиом низких степеней. Необходимо
отметить, что дифференцирование по 𝜇-гистограммам получается лучше, чем по
𝐾-гистограммам. Однако, последние также являются информативными и
показывают небольшое разделение классов.
36
Рисунок 10 - Анализ ОКТ-изображений образцов человеческого мозга ex vivo;
(a) ОКТ-изображение глиомы II степени; (b) гистологическое изображение
глиомы II степени; (c), (d) распределение [𝜇, 𝜎𝜇 ] и [𝐾, 𝜎𝐾 ] соответственно;
Рисунок 11 - Анализ ОКТ-изображений образцов человеческого мозга ex
vivo; (a) - (b), (c) – (d) гистограммы дифференциации между глиомой II степени
и неповрежденными тканями (кора головного мозга и белое вещество),
полученные из анализа рисунка 10 (c), (d) соответственно [44]
Распределение 𝜇-характеристики глиомы III степени (рисунки 12 и 13)
выглядит несколько иначе, чем распределение глиом I и II степеней (рисунки 8,
9 и 10, 11 соответственно). Просматривается лишь небольшое различие от
интактных тканей. Тем не менее несмотря на то, что 𝜇- и 𝐾-гистограммы коры
головного мозга и глиомы III степени демонстрируют значительное перекрытие
(рисунок 13 (a), (c)), они имеют различные медианы.
37
Рисунок 12 - Анализ ОКТ-изображений образцов человеческого мозга ex vivo;
(a) ОКТ-изображение глиомы III степени; (b) гистологическое изображение
глиомы III степени; (c), (d) распределение [𝜇, 𝜎𝜇 ] и [𝐾, 𝜎𝐾 ] соответственно;
Рисунок 13 - Анализ ОКТ-изображений образцов человеческого мозга ex
vivo; (a) - (b), (c) – (d) гистограммы дифференциации между глиомой III степени
и неповрежденными тканями (кора головного мозга и белое вещество),
полученные из анализа рисунка 12 (c), (d) соответственно [44]
Анализ глиомы IV степени демонстрирует высокую дисперсию признаков,
поэтому ее отличие от интактных тканей с помощью анализа ОКТ
представляется неопределенным. Количество проанализированных образцов и
сканирований ОКТ IV степеней является самым высоким в нашем наборе
образцов, что объясняет большое количество точек на рисунке 14 (c) и (d). Тем
не менее, медианы, соответствующие глиобластоме, практически совпадают с
медианами белого вещества и коры головного мозга. Это отчетливо наблюдается
на гистограммах на рисунке 15.
38
Рисунок 14 - Анализ ОКТ-изображений образцов человеческого мозга ex vivo;
(a) ОКТ-изображение глиомы IV степени; (b) гистологическое изображение
глиомы IV степени; (c), (d) распределение [𝜇, 𝜎𝜇 ] и [𝐾, 𝜎𝐾 ] соответственно;
Рисунок 15 - Анализ ОКТ-изображений образцов человеческого мозга ex
vivo; (a) - (b), (c) – (d) гистограммы дифференциации между глиомой IV
степени и неповрежденными тканями (кора головного мозга и белое вещество),
полученные из анализа рисунка 14 (c), (d) соответственно [44]
3.4 Анализ полученных результатов
Подход к лечению опухолей головного мозга зависит от степени
злокачественности
опухоли.
Выделяют
глиомы
низкой
степени
злокачественности («высоко дифференцированные глиомы», включающие в
себя астроцитому, олигодендроглиому, олигоастроцитому и редкие типы
опухолей)
и
злокачественные
глиомы
39
(анапластическая
астроцитома,
анапластическая
олигоастроцитома,
анапластическая
олигодендроглиома,
глиобластома).
Наиболее распространенной диффузной глиомой является первичная
глиобластома. Среди всех опухолей ЦНС она занимает третье место по частоте
встречаемости, но лидирует среди других первичных злокачественных опухолей
этой локализации. Глиобластома составляет 46,1% первичных опухолей мозга и
15,1% всех внутричерепных опухолей [47]. В то же время, глиобластома является
одной из самых смертельных опухолей среди всех типов новообразований у
человека. Средняя выживаемость при должном лечении составляет год, 20%
больных живут два года и всего лишь 5,1% соответствуют 5-летней
выживаемости [48]. Глиобластома с мутацией IDH, так называемая вторичная
глиобластома, согласно общепринятой точке зрения, возникает из-за ранее
существовавших глиальных опухолей более низкой степени злокачественности,
которые подвергаются относительно длительным эволюциям с постепенным
превращением в глиобластому [49]. Согласно полученным результатам (рисунки
14 и 15), глиобластома демонстрирует наибольшую дисперсию характеристики,
распределение которых почти охватывает область, соответствующую белому
веществу и коре головного мозга (измерения для всех типов ткани
производились в одинаковых условиях). Возможно, это объясняется сложным
строением и содержанием этого типа опухоли головного мозга, который часто
включает в себя небольшие области некроза. Однако из полученных результатов
можно выделить небольшой набор измеренных точек, которые легко отличить
от точек, соответствующих интактным тканям (в том числе и белому веществу).
Анализ ослабления характеристик различных классов показывает, что
среднее значение 𝜇 увеличивается, приближаясь к значениям 𝜇 для коры
головного мозга и белого вещества, т.е. опухолевые ткани III-IV классов и
неповрежденные ткани (интактные) ослабляют оптический сигнал сильнее, чем
опухоли I-II классов. Следовательно, это дает возможность использовать ОКТ
для интраоперационного обнаружения границ опухоли низкой степени
40
злокачественности как дополнение к флуоресцентным методам. В то же время K
претерпевает слабые изменения между разными степенями. Из полученных
результатов можно сделать вывод о том, что использование характеристик,
связанных
с
показателем
преломления,
демонстрирует
более
низкую
эффективность для дифференциации тканей с помощью ОКТ, которая работает
на определенной длине волны. Тем не менее, принимая во внимание ОКТ и
другие методы анализа тканей в смежном и дальнем спектральных диапазонах,
показатель преломления является довольно перспективным физическим
признаком для дифференциации злокачественных и интактных тканей мозга
[50].
Для анализа неоднородности тканей глиомы головного мозга человека
оценивалась полная ширина на полувысоте (FWHW) четырехмерного
пространства распределения признаков [𝜇, 𝜎𝜇 , 𝐾, 𝜎𝐾 ] для каждого класса тканей.
Для этого в каждом наборе образцов определялась центральная точка с
̅, 𝜎
координатами 𝐹0 = (𝜇̅ , ̅̅̅,
𝜎𝜇 𝐾
̅̅̅)
𝐾 и расстояние
2
̅ )2 + (𝜎𝐾𝑖 − 𝜎
‖𝐹𝑖 − 𝐹0 ‖𝑒 = √(𝜇𝑖 − 𝜇̅ )2 + (𝜎𝜇𝑖 − ̅̅̅)
𝜎𝜇 2 + (𝐾𝑖 − 𝐾
̅̅̅)
𝐾 ,
(15)
между каждой точкой 𝐹𝑖 и 𝐹0 . Используя распределение расстояний (‖𝐹𝑖=1…𝑁𝑝 −
𝐹0 ‖ ), где 𝑁𝑝
𝑒
– количество точек в массиве, оценивалась FWHW
рассматриваемого класса тканей. Этот параметр отражает неоднородность
структуры ткани и оптических свойств, поскольку он основан на четырех
описанных выше признаках. Следствие анализа представлено на рисунке 16 (d),
иллюстрирующим сильную тенденцию к росту, за исключением глиомы I
степени, что может быть связано с ее доброкачественным характером.
41
Рисунок 16 - Анализ неоднородности тканей головного мозга человека; (a), (b),
(c) репрезентативные 𝐻&𝐸 – окрашенные гистологические изображения
образцов глиомы диффузной астроцитомы II степени, анапластической
астроцитомы III степени и анапластической астроцитомы IV степени
соответственно; Параметр FWHM для рассматриваемых типов тканей [44]
Опухолевые ткани характеризуются различной гетерогенностью. Как
показано на рисунке 16 (a), в случае гистологического изображения глиомы II
степени наблюдается умеренное и незначительное увеличение плотности
клеточного слоя в некоторых областях, а также почти полное отсутствие
выраженного клеточного и ядерного атипизма, относительный мономорфизм
ядер и клеток (низкая степень морфологической гетерогенности) и определяется
небольшое увеличение интенсивности окрашивания ядерного хроматина. По
сравнению с предыдущим примером для анапластической астроцитомы III
степени (рисунок 16 (b)) обнаружено значительное увеличение плотности
клеточного слоя, а также ядерный и клеточный атипизм, который основан на
появлении умеренно выраженного клеточного и ядерного полиморфизма с
появлением как мелких клеток с круглыми гиперхромными ядрами, так и
крупных клеток с увеличенными ядрами неправильной формы (увеличение
степени морфологической гетерогенности) и гетерогенного распределения
42
хроматина с увеличением интенсивности его окрашивания. На гистологическом
изображении анапластической астроцитомы IV степени (рисунок 16 (с))
обнаружено дальнейшее увеличение плотности клеточного слоя, а также
увеличение клеточного и ядерного атипизма с появлением клеток с
гиперхромными грубыми ядрами с неравномерным распределением хроматина,
степень полиморфизма клеток и ядер достигает высоких значений (высокая
степень морфологической гетерогенности). Кроме того, в ткани присутствует
некроз. Описанные свойства полностью подтверждают зависимость параметра
FWHW от степени злокачественности.
Обобщая полученные результаты, можно наблюдать высокую дисперсию
свойств опухолевой ткани, которую можно оценить при помощи ОКТ. Наряду с
условиями измерения, подготовки образцов и применения системы ОКТ,
свойства ткани существенно влияют на параметры анализируемого сигнала.
Несмотря на все особенности в измерениях ОКТ образцов, возможно,
обеспечивая различие между глиомой и интактной тканью, увеличение набора
образцов, в то же время, увеличивает изменчивость данных и уменьшает
наблюдаемую
разницу.
Таким
образом,
приложение
ОКТ
для
интраоперационной диагностики опухолей головного мозга человека все еще
довольно сложен, но его можно сочетать с другими методами, например с
терагерцовой спектроскопией и конфокальной микроскопией [50-54], для
повышения текущих уровней чувствительности и специфики. Одним из
многообещающих направлений для улучшения результатов при использовании
ОКТ в нейрохирургии является его сочетание с методом иммерсионного
оптического просветления тканей [55], что дает возможность не только
увеличить глубину проникновения в ткани головного мозга, но и получить
информацию о параметрах диффузии ткани, что может быть использовано для
стабильной дифференциации опухолевых и интактных тканей. Тем не менее,
полученные результаты, показывают, что с помощью разработанного метода
можно проводить дифференциацию интактных тканей головного мозга и
глиальных опухолей.
43
ЗАКЛЮЧЕНИЕ
Данная работа показывает возможности использования метода ОКТ для
диагностики глиальный опухолей головного мозга человека. В ходе работы
поэтапно были решены следующие задачи:
1) разработан
экспериментальный
стенд,
удовлетворяющий
условиям
проведения эксперимента ex vivo;
2) разработана и проанализирована оптимальная методика исследования;
3) проведена серия экспериментальных исследований и сформирование база
данных ОКТ изображений различных типов ткани головного мозга,
учитывающая особенности иссеченной ткани;
4) проведен анализ полученных сигналов, включающий выделение четырех
признаков образца (по изображениям ОКТ оценивались значения и
стандартные
отклонения
коэффициента
ослабления,
используя
приближение однократного рассеяния, и нормированная интенсивность
пика отражения, используя эталонное стекло во время измерений);
5) разработан алгоритм и его программная реализация при помощи среды
математического модулирования (MATLAB) для анализа и обработки
результатов исследования;
6) приведены конечные результаты, указывающие на способность данного
метода дифференцировать глиомы низких степеней с интактными
тканями.
44
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1.
Смолин А.В., Бекяшев А.Х., Кобяков Г.Л., Шарабура Т.М., Муфазалов
Ф.Ф., Канищева Н.В., Бумагина В.О. Первые результаты российского
многоцентрового исследования по эпидемиологии злокачественных
глиом // Современная онкология. 2014. Т. 16, № 2. С. 50-55.
2.
Потапов А.А., Горяйнов С.А., Охлопоков В.А., Пицхелаури Д.И.,
Кобяков Г.Л., Жуков В.Ю., Гольбин Д.А., Свистов Д.В., Мартынов Б.В.,
Кривошапкин А.Л., Гайтан А.С., Анохина Ю.Е., Варюхина М.Д.,
Гольдберг
М.Ф.,
Кондрашов
А.В.,
Чумаков
А.П.
Клинические
рекомендации по использованию интраоперационной флуоресцентной
диагностики в хирургии опухолей головного мозга // Вопросы
нейрохирургии им. Н.Н. Бурденко. 2015. Т. 79, № 5. С. 91-101.
3.
Diez Valle R., Garcia de Eulate R., Dominguez Echavarri P., Aristu Mendiroz
J. Surgery guided by 5-aminolevulinic fluorescence in glioblastoma:
volumetric analysis of extent of resection in single-center experience // Journal
of Neuro-Oncology. 2011. Vol. 102, № 1. P. 105–113.
4.
Roberts D.W., Valdes P.A., Harris B.T., Fontaine K.M., Hartov A., Fan X., Ji
S., Lollis S.S., Pogue B.W., Leblond F., Tosteson T.D., Wilson B.C., Paulsen
K.D. Coregistered fluorescence-enhanced tumor resection of malignant
glioma:
relationships
between
delta-aminolevulinic
acid-induced
protoporphyrin IX fluorescence, magnetic resonance imaging enhancement,
and neuropathological parameters. Clinical article // Journal of Neurosurgery.
2011. Vol. 114, № 3. P. 595–603.
5.
Raheja A., Tandon V., Suri A., Sarat P., Chandra, Kale S.S., Garg A., Pandey
R.M., Kalaivani M., Mahapatra A.K., Sharma B.S. Initial experience of using
high field strength intraoperative MRI for neurosurgical procedures // Journal
of Clinical Neuroscience. 2015. Vol. 22, № 8. P. 1326–1331.
45
6.
Drexler W., Lui M., Kumar A., et al. Optical coherence tomography –
principles and applications // Reports on Progress in Physics. 2003. Vol. 66, №
2. P. 239.
7.
Garzon-Muvdi T., Kut C., Li X., Chaichana K.L. Intraoperative imaging
techniques for glioma surgery // Future Oncology. 2017. Vol. 13, № 19. P.
1731-1745.
8.
Wu C., Le H., Ran S., Singh M., Larina I.V., Mayerich D., Dickinson M.E.,
Larin K.V. Comparison and combination of rotational imaging optical
coherence tomography and selective plane illumination microscopy for
embryonic study // Biomedical Optics Express. 2017. Vol. 8, № 10. P. 46294639.
9.
Wang S., Singh M., Tran T.T., Leach J., Aglyamov S.R., Larina I.V., Martin,
J.F., Larin K.V. Biomechanical assessment of myocardial infarction using
optical coherence elastography // Biomedical Optics Express. 2018. Vol. 9, №
2. P. 728-742.
10. Wen P.Y., Kesari S. Malignant gliomas in adults // N. Engl J. Med. 2008. Vol.
359. P. 492-507.
11. Pollack I.F. Brain tumors in children // N. Engl J. Med. 1994. Vol. 331. 15001507.
12. Crocetti E., Trama A., Stiller C., Caldarella A., Soffietti R., Jaal J., Weber D.C.,
Ricardi U., Slowinski J., Brandes A. Epidemiology of glial and non-glial brain
tumours in Europe // European Journal of Cancer. 2012. Vol. 48, № 10. P.
1532–1542.
13. Tuchin V.V. Tissue optics, Light Scattering Methods and Instruments for
Medical Diagnosis. Second edition. Bellingham, Washington USA, 2013.
14. Yaroslavsky A.N., Schulze P.C., Yaroslavsky I.V., Schober R., Ulrich F.,
Schwarzmaier H.-J. Optical properties of selected native and coagulated human
brain tissues in vitro in the visible and near infrared spectral range // Phys. Med.
Biol. 2002. Vol. 47. P. 2059-2073.
46
15. Collins V.P. Brain tumors: classification and genes // J. Neurol.
Neurosurg.Psych. 2004. Vol. 75, № 2. P. 2-11.
16. Grant R. Overview: Brain tumor diagnosis and management. Royal College of
Physicians guidelines // J. Neurol. Neurosurg. Psych. 2004. Vol. 75, № 2. P.
18-23.
17. McKinney P.A. Brain tumors incidents, survival and etiology // J. Neurol.
Neurosurg. Psych. 2004. Vol. 75, № 2. P. 12-17.
18. Hirschberg H., Samset E., Hol P.K., Tillung T., Lote K. Impact of
intraoperative MRI on the surgical results for high-grade gliomas // Minim
Invasive Neurosurg. 2005. Vol. 48, № 2. P. 77–84.
19. Nie Z., An R., Hayward J.E., Farrell T.J., Fang Q. Hyperspectral fluorescence
lifetime imaging for optical biopsy // Journal of Biomedical Optics. 2013. Vol.
18, № 9. P. 096001.
20. Nie Z., Le V.N.D., Cappon D., Provias J., Murty N., Hayward J.E., Farrell T.J.,
Patterson M.S., McMillan W., Fang Q. Integrated time-resolved fluorescence
and diffuse reflectance spectroscopy instrument for intraoperative detection of
brain tumor margin // IEEE Journal of Selected Topics in Quantum Electronics:
a Publication of the IEEE Lasers and Electro-Optics Society. 2016. Vol. 22, №
3. P. 49–57.
21. Huang D., Swanson E.A., Lin C.P., Schuman J.S., Stinson W.G., Chang W.,
Hee M.R., Flotte T., Gregory K., Puliafito C.A., Fujimoto J.G. Optical
coherence tomography // Science. 1991. Vol. 254, № 5035. P. 1178–1181.
22. Яшин К.С. Оптическая когерентная томография при глиальных опухолях
головного мозга (клинико-экспериментальное) // Диссертация на
соискание ученой степени кандидата медицинских наук. 2018. Глава 1.
Стр. 23. Рисунок 3 (в).
23. Геликонов В.М., Геликонов Г.В., Гладкова Н.Д. и др. Когерентная
оптическая томография микронеоднородностей биотканей // Письма
ЖЭТФ. 1995. Т. 61. С. 149-153.
47
24. Roper S.N., Moores M.D., Gelikonov G.V., Feldchtein F.I., Beach N.M., King
M.A., Gelikonov V.M., Sergeev A.M., Reitze D.H. In vivo detection of
experimentally induced cortical dysgenesis in the adult rat neocortex using
optical coherence tomography // J. Neurosci. Meth. 1998. Vol. 80. P. 91-98.
25. Hä usler G., Lindner M.W. “Coherence Radar” and “Spectral Radar” – new
tools for dermatological diagnosis // J. Biomed. Opt. 1998. Vol.3, № 1. P. 2131.
26. Chen Z., Liu G. Doppler optical coherence tomography. Chapter 20 //
Coherent-Domain Optical Methods: Biomedical Diagnostics, Environmental
Monitoring and Material Science. Vol. 2 / Ed. By V. V. Tuchin. Second edition.
Berlin, Heidelberg, N.Y.: Springer-Verlag, 2012. P. 898-922.
27. Jiao S., Wang L.V. Jones-matrix imaging of biological tissues with quadruplechannel optical coherence tomography // J. Biomed. Opt. 2002. Vol. 7, № 3. P.
350-358.
28. De Boer J.F., Milner T.E. Review of polarization sensitive optical coherence
tomography and Stokes vector determination // J. Biomed. Opt. 2002. Vol. 7,
№ 3. P. 359-371.
29. Dolin L.S., Gelikonov G.V., Gelikonov V.M., Gladkova N.D., Iksanov R.R.,
Kamensky V.A., Kuranov R.V. Sergeev, Shakhova N.M., Turchin I.V. //
Coherent-Domain Optical Methods: Biomedical Diagnostics, Environmental
Monitoring and Material Science. Vol. 2 / Ed. By V.V. Tuchin. Second edition.
Berlin, Heidelberg, N.Y.: Springer-Verlag, 2012. P. 999-1064.
30. Gelikonov G.V., Gelikonov V.M., Ksenofontov S.U., Morosov A.V., Myakov
A.V., Potapov Yu.P., Saposhnikova V.V., Sergeeva E.A., Shabanov D.V.,
Shakhova N.M., Zagainova E.V. Optical Coherence Microscopy. Chapter 27 //
Coherent-Domain Optical Methods: Biomedical Diagnostics, Environmental
Monitoring and Material Science. Vol. 2 / Ed. By V.V. Tuchin. Second edition.
Berlin, Heidelberg, N.Y. Springer-Verlag, 2012. P. 1127-1156.
31. Wang H.-W., Rollins A.M., Izatt J.A. High speed, full field optical coherence
tomography // Proc. SPIE. 1999. Vol. 3598. P. 204-212.
48
32. Ugryumova N., Matcher S.J., Attenburrow D.P. Measurement of bone mineral
density via light scattering // Phys. Med. Biol. 2004. Vol. 49. P. 469-283.
33. Wang P.H. and Wang R.K. Theory, developments and applications of optical
coherence tomography // J. Phys. D: Appl. Phys. 2005. Vol. 38, № 2519 P.
2519-2520.
34. Böhringer H.J., Lankenau E., Stellmacher F., Reusche E., Huttmann G., Giese
A. Imaging of human brain tumor tissue by near-infrared laser coherence
tomography // Acta Neurochir (Wien). 2009. Vol. 151, № 5. P. 507–517.
35. Böhringer H.J., Boller D., Leppert J., Knopp U., Lankenau E., Reusche E.,
Huttmann G, Giese A. Time-domain and spectral-domain optical coherence
tomography in the analysis of brain tumor tissue // Lasers in Surgery and
Medicine. 2006. Vol. 38, № 6. P. 588–597.
36. Assayag O., Grieve K., Devaux B., Harms F., Pallud J., Chretien F., Boccara
C., Varlet P. Imaging of non-tumorous and tumorous human brain tissues with
full-field optical coherence tomography // NeuroImage: Clinical. 2013. Vol. 2.
P. 549-557.
37. Yashin K.S., Kiseleva E.B., Moiseev A.A., Kuznetsov S.S., Timofeeva L.B.,
Pavlova N.P., Gelikonov G.V., Medyanik I.A., Kravets L.Ya., Zagaynova
E.V., Gladkova N.D. Quantitative nontumorous and tumorous human brain
tissue assessment using microstructural co- and cross-polarized optical
coherence tomography // Scientific reports. 2019. Vol. 9, № 2024.
38. Gelikonov V. M., Gelikonov G. V., Gladkova N. D., et al. Coherent optical
tomography of microscopic inhomogeneities in biological tissues // JETP
Letters. 1995. Vol. 61, № 2, P. 158–162.
39. Turchin I. V., Sergeeva E. A., Dolin L. S., et al. Novel algorithm of processing
optical coherence tomography images for differentiation of biological tissue
pathologies // Journal of Biomedical Optics. 2005. Vol. 10, № 6.
40. Louis D. N., Perry A., Reifenberger G., et al. The 2016 world health
organization classification of tumors of the central nervous system: a summery
// Acta Neuropathologica. 2016. Vol. 131, № 6. P. 803–820.
49
41. Dolganova I. N., Aleksandrova P. V., Chernomyrdin N. V., Musina G. R.,
Beshplav S.-I., Kosyrkova A., Reshetov I., Tuchin V. V., Zaytsev K. Optical
coherence tomography of human brain glioma as a promising tool for
intraoperative diagnostics in neurosurgery // Proc. SPIE 11078, Optical
Coherence Imaging Techniques and Imaging in Scattering Media III. 2019. P.
1107829.
42. Chang S., Bowden A. K. Review of methods and applications of attenuation
coefficient measurements with optical coherence tomography // Journal of
Biomedical Optics. 2019. Vol. 24, № 9. P. 090901.
43. Tuchin V. V. Tissue Optics: Light Scattering Methods and Instruments for
Medical Diagnostics // 3rd ed, vol. PM 254, SPIE Press. 2015.
44. Dolganova I. N., ALeksandrova P. V., Nikitin P. V., Alekseeva A. I.,
Chernomyrdin N. V., Kucheryavenko A. S., Musina G. R., et al. Physically
reasonable differentiation of intact brain tissues, human brain gliomas of
different WHO grades and glioma model 101.8 using optical coherence
tomography // 2020.
45. R. A. Fisher. The use of multiple measurements in taxonomic problems //
Annals of Eurogenics. 1936. Vol.7, № 2. P. 179 – 188.
46. McLachlan G. I. Discriminant Analysis and Statistical Pattern Recognition,
Wiley, New York, USA. 2004.
47. Ostrom Q. T., Gittleman H., Fulop J., et al. CBTRUS Statistical Report:
Primary Brain and Central Nervous System Tumors Diagnosed in the United
States in 2008 – 2019 // Neuro-Oncology 17. 2015. iv1-iv62.
48. Ostrom Q. T., Gittleman H., Xu J., et al. CBTRUS statistical report: Primary
brain and other central nervous system tumors diagnosed in the united states in
2009 – 2013 // Neuro-Oncology 18. 2016. v1-v75.
49. Aldape K., Zadeh G., Mansouri S., et al. Glioblastoma: pathology, molecular
mechanisms and markers // Acta Neuropathologica. 2015. Vol.129, № 6. P.
829 – 848.
50
50. Gavdush A. A., Chernomyrdin N. V., Malakhov K. M., et al. Terahertz
spectroscopy of gelatin-embedded human brain gliomas of different grades: a
road toward intraoperative THz diagnosis // Journal of Biomedical Optics.
2019. Vol.24, № 2. P.027001.
51. Zehri A. H., Ramey W., Georges J. F., et al. Neurosurgical confocal
endomicroscopy: a review of contrast agents, confocal systems, and future
imaging modalities // Surgical Neurology International. 2014. Vol. 28. P. 5–
60.
52. Ji Y. B., Oh S. J., Kang S.-G., et al. Terahertz reflectometry imaging for low
and high grade gliomas // Scientific Reports. 2016. Vol. 6. P. 36040.
53. Kircher M. F., A. de la Zerda, Jokerst J. V., et al. A brain tumor molecular
imaging strategy using a new triple-modality MRI-photoacoustic-Raman
nanoparticle // Nature Medicine. 2012. Vol. 18. P. 829–834.
54. Orringer D. A., Pandian B., Niknafs Y.S., et al. Rapid intraoperative histology
of unprocessed surgical specimens via fibre-laser-based stimulated Raman
scattering microscopy // Nature Biomedical Engineering. 2017. Vol. 1. P. 0027.
55. Ghosn M. G., Carbajal E. F., Befui N. A., et al. Differential permeability rate
and percent clearing of glucose in different regions in rabbit sclera // Journal of
Biomedical Optics. 2008. Vol. 13, № 2. P. 021110.
56. Louis D. N., Perry A., Reifenberger G., et al. The 2016 world health
organization classification of tumors of the central nervous system: a summary
// Acta Neuropathologica. 2016. Vol. 131, № 6. P. 803–820.
51
ПРИЛОЖЕНИЕ А
Графическая часть дипломного проекта
В графическую часть дипломного проекта входят:
Функциональная схема оптического когерентного томографа (рисунок А1)
Держатель образца (элемент экспериментального стенда) (рисунок А2)
Спецификация к чертежу держателя образца (рисунок А3)
Алгоритм обработки характеристик, полученных в ходе анализа В-сканов,
представленный в виде блок-схемы (рисунок А4)
5) Результаты ОКТ исследования, включающие в себя графики
характеристик, примеры В-сканов, гистологические изображения (рисунок
А5)
1)
2)
3)
4)
52
Перв. примен.
Справ. №
Подп. и дата
Инв. № дубл.
Взам. инв. №
Подп. и дата
53
Инв. № подл.
Рисунок А1 - Функциональная схема ОКТ
источник
излучения
опорное плечо
z
сканер
зеркало
светоделитель
50/50
фотоприемник
блок
аналоговой
обработки
z
сканер
x-y
сканер
система сбора
данных и
управления
Копировал
Формат
A2
1
МГТУ им. Н.Э. Баумана
группа РЛ2-84Б
1:1
Н.контр.
Утв.
Листов
Масштаб
Лист
Масса
Степень
IV
Лит.
Пример А-скана
Функциональная схема ОКТ
исследуемый
объект
Степень
III
Степень
II
Степень
I
Изм. Лист № докум.
Подп. Дата
Разраб. Александрова П.В.
Пров.
Долганова И.Н.
Т.контр.
покровное
объектив стекло
предметное плечо
компьютер
Интактная
ткань
Примеры В-сканов
Перв. примен.
Справ. №
Подп. и дата
Инв. № дубл.
Взам. инв. №
Подп. и дата
54
Инв. № подл.
Рисунок А2 - Держатель образца. Сборочный чертеж
7
1
168*
9
150*
4
5
6
2**
* Размеры для справок
** Условный элемент механического подведение ОКТ-зонда
M6x1
M4x1
8
M6x1
3
M4x1
2
Н.контр.
Утв.
Изм. Лист № докум.
Подп. Дата
Разраб. Александрова П.В,
Пров.
Долганова И.Н,
Т.контр.
Копировал
Держатель образца
Сборочный чертеж
1:1
1
Масштаб
Листов
Масса
Формат
A2
МГТУ им. Н.Э. Баумана
группа РЛ2-84Б
Лист
Лит.
Кол.
Поз.
Формат
Зона
Наименование
Перв. примен.
Обозначение
Примечание
Документация
Сборочный чертеж
1
2
3
4
2
Держатель столбика
Кинематическое крепление
Монтажная плита
Прямоугольная скобка М6
1
1
1
1
Стандартные изделия
5
6
7
8
9
Винт М6х1 ГОСТ 1491-80
Оптический столб М4х1 L=20 мм
Оптический столб М4х1 L=100 мм
Съемная ручка М4х1
Съемная ручка М6х1
2
1
1
1
1
Инв. № подл.
Подп. и дата
Взам. инв. №
Инв. № дубл.
Подп. и дата
Справ. №
Детали
Изм. Лист № докум.
Подп. Дата
Разраб. Александрова П.В.
Пров.
Долганова И.Н.
Н.контр.
Утв.
Лит.
Держатель образца
Копировал
Лист
МГТУ им. Н.Э. Баумана
группа РЛ2-84Б
Формат
Рисунок А3 - Спецификация к чертежу держателя образца
55
Листов
1
A4
Перв. примен.
Справ. №
Подп. и дата
Инв. № дубл.
Взам. инв. №
Подп. и дата
56
Инв. № подл.
Рисунок А4 - Алгоритм обработки характеристик
z = zstart : zend
5
нет
Наклон сигнала
errtemp = errmin
7
errmin = 10
pmin = 0
4
6
zshort : zend
3
slopei = p(1)
pmin = pi
zmin = z
да
errtemp < errmin
pnoisei
pi
slope = zeros(:,:)
2
5
Ishorti = Ii(zpos : end)
Ii = Ii/Imax
[Imax, zpos] = max(Ii)
Ii = Ii - min(Ii)
Выделение сигнала от
максимума
Нормирование сигнала
Уравнивание по минимуму
нижней границы сигнала
8
Линейная аппроксимация и нахождение наклона А-скана
Определение границ областей без включений и неровностей
левой и правой соответственно
xleft : xright
Конец
i = xleft : xright
9
i = xleft : xright
Ni = scanmax2
scanmax2 = max[Ii(25 : end)]
Ii = Ii/scanmax1
scanmax1 = max[Ii(1 : 25)]
N = zeros(:,:)
Копировал
Формат
A1
1:1
1
Н.контр.
Утв.
Листов
Масштаб
Лист
Масса
МГТУ им. Н.Э. Баумана
группа РЛ2-84Б
Лит.
Изм. Лист № докум.
Подп. Дата
Разраб. Александрова П.В.
Пров.
Долганова И.Н.
Т.контр.
Алгоритм обработки
Нахождение дисперсии отношений пиков
интенсивностей
Отношение пиков интенсивностей
Величина второго пика, который лежит
в диапазоне по z = 25...end
Нормировка сигнала по первому пику
интенсивности
Величина первого пика, который лежит
в диапазоне по z = 1...25
Задание массива значений отношения
пиков интенсивностей
Выделение области
без включений
1) Проверка на анализ не "шумовых сканов", имеющих лишь всплески в хвостовой части А-сканов
и не имеющих сигнала от границ раздела
i = xleft : xright
2) Задание массива значений, разделение сигнала на 2 отрезка:
1 - область наклонного сигнала
2 - область шума
3) Граница раздела отрезков варьируется от z_start = 35 до z_end = 150
[scanmax;zposition] = max(scani)
4) Введение максимального значения ошибки и начального значения наклона кривой
5) z - выбранная точка начала шумовой составляющей
1
6) Аппроксимация областей 1 и 2 линиями независимо
нет
p - приближенная функция к полиному 1-й степени
zposition < 120
pnoise - приближенная функция к полиному 0-й степени
7) Нахождение ошибки аппроксимации как суммы СКО найденных линий и отсетов сигнала
8) Когда ошибка достигает максимального значения, тогда аппроксимация выполнена оптимально
да
9) Нахождение дисперсии наклона сигнала
Ii = scani
Нахождение отношения пиков интенсивностей
scan(z, xleft : xright)
Преобразование изображения в значения пикселей от [0,1]
z - глубина сканирования
x - продольная координата
Считывание В - сканов
n - количество В - сканов
scan(z,x)
n = 1...n
Начало
Перв. примен.
Справ. №
Подп. и дата
Инв. № дубл.
Взам. инв. №
Подп. и дата
57
Инв. № подл.
Рисунок А5 - Результаты ОКТ исследования
Женский
Мужской
Женский
Женский
Женский
Женский
16
17
18
19
20
21
Женский
Женский
13
Мужской
Женский
12
15
Мужской
11
14
Мужской
10
6
Женский
Женский
5
Женский
Женский
4
Мужской
Мужской
3
9
Мужской
2
8
Женский
1
7
Пол
Мужской
#
20
55
69
64
52
69
41
26
47
56
43
31
63
29
25
31
39
38
45
69
66
Возраст
IV стадия
III стадия
II стадия
I стадия
Интактная (здоровая)
ткань
глиобластома
глиобластома
глиобластома
глиобластома
глиобластома
глиобластома
анапластическая глиома
анапластическая олигодендроглиома
анапластическая астроцитома
олигодендроглиома
олигодендроглиома
диффузная астроцитома
диффузная астроцитома
диффузная астроцитома
ганглиоцитома
пилоидная астроцитома
пилоидная астроцитома
перифакальное белое вещество
перифокальное белое вещество
перифокальная кора
перифокальная кора
Тип ткани/паталогия
Изображение ОКТ измерения образца, покрытого желатином,
пример А-скана и распределение значений наклона А-скана и
отношение двух пиков интенсивностей
(а) ОКТ-изображение глиомы IV степени; (б) гистологическое изображение; (в), (г) распределение характеристик;
(д)-(е), (ж)-(з) гистограммы дифференцировки между глиомой IV степени и неповрежденными тканями (кора
головного мозга и белое вещество), полученные из анализа (в), (г) соответственно
5160
1650
4613
6800
6439
1650
200
27102
2720
3655
2890
140
3350
3170
4690
1700
405
2310
2280
724
1410
Кол-во А-сканов
Анализ неоднородности тканей головного мозга человека;
(a), (b), (c) окращенные гистологические изображения
образцов глиомы диффузной астроцитомы II степени,
анапластической астроцитомы III и IV степеней
соответсвенно; параметр FWHM для рассматриваемых
типов тканей
IV
IV
IV
IV
IV
IV
III
III
III
II
II
II
II
II
I
I
I
-
-
-
-
Оцена ВОЗ
Н.контр.
Утв.
Изм. Лист № докум.
Подп. Дата
Разраб. Александрова П.В,
Пров.
Долганова И.Н.
Т.контр.
Копировал
Результаты ОКТ
исследования
1:1
1
Масштаб
Листов
Масса
Формат
A1
МГТУ им. Н.Э. Баумана
РЛ2-84Б
Лист
Лит.
(а) ОКТ-изображение глиомы III степени; (б) гистологическое изображение; (в), (г) распределение характеристик;
д)-(е), (ж)-(з) гистограммы дифференцировки между глиомой III степени и неповрежденными тканями (кора
головного мозга и белое вещество), полученные из анализа (в), (г) соответственно
(а) ОКТ-изображение глиомы II степени; (б) гистологическое изображение; (в), (г) распределение характеристик;
(д)-(е), (ж)-(з) гистограммы дифференцировки между глиомой II степени и неповрежденными тканями (кора
головного мозга и белое вещество), полученные из анализа (в), (г) соответственно
(а) ОКТ-изображение глиомы I степени; (б) гистологическое изображение; (в), (г) распределение характеристик;
(д)-(е), (ж)-(з) гистограммы дифференцировки между глиомой I степени и неповрежденными тканями (кора
головного мозга и белое вещество), полученные из анализа (в), (г) соответственно
ПРИЛОЖЕНИЕ Б
Презентация дипломного проекта
В презентацию дипломного проекта входят следующие слайды:
1. Титульная страница с темой ВКР
2. Актуальность работы
3. Цель работы
4. Основные задачи
5. Структура работы (доклада)
6. Метод оптической когерентной томографии
7. Формирования ОКТ изображения
8. ОКТ в нейрохирургии
9. Метод исследования
10.Чертеж держателя образца
11.Метод исследования (продолжение)
12.Введение характеристик
13.Чертеж алгоритма обработки
14.Характеристики исследуемых образцов
15.Обработка экспериментальных данных
16.Анализ полученных результатов (5 слайдов)
17.Основные результаты работы
18.Публикации/ конференции
58
Отзывы:
Авторизуйтесь, чтобы оставить отзыв