Оптичні методи та системи вимірювання поляризаційних параметрів біологічних тканин є основою сучасних технологій діагностики та досліджень у біомедицині. Їх унікальність полягає в можливості отримувати інформацію про структуру тканин на молекулярному рівні без інвазивного втручання. Поляризаційний аналіз дозволяє досліджувати азимути, еліптичності та вектори Стокса, які відображають ключові характеристики взаємодії поляризованого світла з тканинами [1].
Азимут поляризації, що описує напрямок коливань електромагнітного поля щодо базової координатної осі, є одним із базових параметрів. Він дозволяє визначати орієнтацію оптично активних структур, таких як колагенові й еластинові волокна, що мають критичне значення для аналізу фізіологічного стану тканин. Для забезпечення незалежності від кута освітлення зразка були розроблені спеціальні алгоритми, які створюють азимутально незалежні мапи. Лазерна поляриметрія, що використовується для вимірювань, надає високоточні результати та розширює можливості аналізу.
Еліптичність поляризації характеризує форму траєкторії коливань електромагнітного поля, що відображає особливості анізотропії тканин. Цей параметр дозволяє виявляти навіть незначні зміни в структурі, пов’язані з фізіологічними чи патологічними процесами. Зокрема, мюллер-матрична поляриметрія дає змогу отримувати детальні зображення тканин та вимірювати еліптичність із високою точністю, що є важливим для діагностики складних патологій [2].
Стан поляризації світла, описуваний векторами Стокса, дозволяє детальніше вивчати властивості тканин. Цей підхід забезпечує кількісний аналіз та створення картографічних розподілів параметрів, таких як азимут і еліптичність. Поляризаційні методи вимірювання параметрів Стокса сприяють виявленню структурних аномалій і спрямовані на автоматизацію процесів обробки даних.
Для аналізу тканин широко застосовують мюллер-матриці, які дозволяють детально описувати зміну поляризаційного стану світла під час його взаємодії зі зразком. Ця матриця складається з 16 елементів, які визначають оптичні властивості тканин, такі як деполяризація, анізотропія та двопроменезаломлення. Завдяки мапам, створеним на основі мюллер-матриць, можна діагностувати патології на ранніх стадіях. Подальший розвиток методів мюллер-матричної поляриметрії орієнтований на дослідження як товстих тканин, так і оптично тонких зразків, наприклад мембран, що мають мінімальну деполяризацію. Впровадження мюллер-матричних інваріантів спрощує автоматизацію аналізу даних і підвищує стабільність результатів [3].
Автофлуоресцентна поляризаційна мікроскопія (АПМ) є сучасним методом аналізу тканин, який ґрунтується на природній флуоресценції, що виникає під впливом світла. Цей підхід не потребує використання зовнішніх маркерів, адже дослідження проводяться на основі природних флуорофорів, таких як NADH, колаген і флавопротеїни. Завдяки цьому АПМ є неінвазивним і придатним для тривалих спостережень. Основні переваги методу включають можливість оцінювати структурну організацію тканин та досліджувати їх метаболічні зміни. АПМ дозволяє вимірювати азимут, еліптичність та інтенсивність флуоресценції, що робить цей метод ефективним для аналізу тканин із високою анізотропією, таких як сполучна тканина та м’язові волокна .
Зростання обсягів даних у медицині вимагає застосування інтелектуального аналізу даних (ІАД). Цей підхід використовує різні методи, такі як: машинне навчання, глибинні нейронні мережі та алгоритми класифікації для покращення точності діагностики. Наприклад, згорткові нейронні мережі дають можливість сегментувати тканини, визначати межі структур і виявляти патології з високою точністю. Нечітка логіка використовується для побудови моделей класифікації тканин, забезпечуючи можливість автоматизованого аналізу. Впровадження ІАД оптимізує процес обробки даних, що дозволяє лікарям зосереджуватися на складніших випадках.
Сучасні оптичні методи та системи вимірювання поляризаційних параметрів біологічних тканин забезпечують точний і детальний аналіз їхніх структурних властивостей. Інтеграція поляризаційних методів із системами ІАД сприяє підвищенню точності та ефективності діагностики, особливо в онкології та дослідженнях метаболічних процесів. Подальший розвиток цих технологій спрямований на автоматизацію аналізу та розширення можливостей неінвазивної діагностики, що робить медичні послуги доступнішими та ефективнішими [4].
Список літератури:
1. Остафійчук Д. І., Бірюкова Т. В., Бойцанюк С. І. Лазерна нефелометрія тканин органів людини. Проблеми безперервної медичної освіти та науки, 2018, № 3, С. 78-83.
2. Заболотна Н. І., Шолота В. В., Колівошко А. І. Аналіз методів та систем лазерної поляриметрії для відтворення анізотропних параметрів біологічних шарів. Оптикоелектрон. iнформ.енергет. технологiї. 2018, 36(2), С. 6071.
3. Ushenko A. G., & Pishak V. P.. Laser polarimetry of biological tissue: principles and applications. Handbook of Coherent-Domain Optical Methods: Biomedical Diagnostics, Environmental and Material Scienc. 2004. № 1. P. 93-138.
4. Razzak M.I., Naz S., Zaib A. Deep Learning for Medical Image Processing: Overview, Challenges and the Future. Springer. 2018, V. 26, P. 323-350.
________________________
Науковий керівник: Заболотна Наталія Іванівна, доктор технічних наук, доцент, професор кафедри біомедичної інженерії та оптико-електронних систем, Вінницький національний технічний університет
|
Голосування 
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter