У сучасному світі дослідження біологічних тканин (БТ) із застосуванням сучасних поляризаційних методів займає доволі важливе місце для розвитку медичної діагностики. Поляризаційна мікроскопія, особливо у поєднанні із мюллер-матричним картографуванням, дозволяє проводити точний аналіз анізотропних властивостей різноманітних тканин, тим самим дозволяючи виявляти ранні патологічні зміни. Інтеграція цих методів з інформаційно-вимірювальними системами (ІВС), оснащеними алгоритмами штучного інтелекту, створює багато нових можливостей для автоматизації і оптимізації діагностичних процесів.
Поляризаційна мікроскопія (ПМ) є потужним інструментом для вивчення структури БТ, що ґрунтується на здатності виявляти анізотропні властивості матеріалів за допомогою поляризованого світла. Цей метод дозволяє аналізувати оптичні властивості тканин, такі як двопроменезаломлення, що є важливим для дослідження колагену та інших волокнистих структур.
ПМ широко застосовується для ранньої діагностики захворювань, таких як рак та фіброз, оскільки дозволяє детально оцінити структурні зміни в тканинах. Лазерна поляриметрія дозволяє виявляти зміни в оптичних поляризаційних характеристиках БТ при їх взаємодії із поляризованим зондувальним випромінюванням при значно менших геометричних розмірах структурних змін, які відбулись в досліджуваних БТ під час захворювань.
Таким чином, акцент на поляриметричній мікроскопії та розвиток спеціалізованих ІВС виправданий прагненням покращити якість діагностики та розширити наукові знання про структуру і функції біологічних тканин. ПМ також використовується для дослідження змін, що виникають у тканинах через запальні процеси або інші патологічні стани, що супроводжуються змінами у структурі тканинних структур [1].
Мюллер-матричне картографування надає інформацію про поляризаційні властивості зразка, здійснюючи перетворення вхідного вектора Стокса S0(x,y) у вихідний вектор S*(x,y) за формулою
де Z(x,y) - матриця Мюллера зразка БТ.
Поляризаційна мікроскопія постійно розвивається завдяки інтеграції з іншими методами візуалізації, такими як флуоресцентна мікроскопія та оптична когерентна томографія. Сучасні дослідження також спрямовані на розвиток технологій автоматичного аналізу поляризаційних зображень. Використання штучного інтелекту для обробки великих обсягів даних, отриманих під час поляризаційної мікроскопії, дозволяє підвищити точність і швидкість діагностики.
Системи вимірювання мюллер-матричних інваріантів (ММІ) розвиваються паралельно з методами автоматизованого аналізу даних, які дозволяють підвищити точність і достовірність діагностичних результатів. Використання таких технологій, як машинне навчання, дозволяє розробляти високоточні алгоритми, які класифікують дані. Машинне навчання, вбудоване в мюллер-матричні системи, зробить можливим автоматичний аналіз даних і забезпечує точну оцінку патологічних змін у тканинах. Це значно знижує ймовірність людської помилки, підвищує точність діагностики й прискорює процес. Інтелектуальні системи також спрощують обробку великих обсягів даних, що робить діагностику більш ефективною. Ці технології дозволяють проводити класифікацію та формувати рекомендовані автоматизовані рішення.
Приклад систем вимірювання мюллер-матричних інваріантів наведено в таблиці 1.1.
Таблиця 1.1- Основні характеристики систем для азимутально інваріантної Мюллер-поляриметрії БТ при диференціації захворювань
Аналіз показав, що інтеграція поляризаційних методів із сучасними інформаційно-вимірювальними системами [1], [2] дозволяє суттєво підвищити точність і надійність діагностики. Використання мюллер-матричних інваріантів і автоматизації забезпечує глибокий аналіз структурних змін у тканинах. Подальший розвиток цих технологій сприятиме вдосконаленню медичних досліджень і покращенню діагностичних процедур.
Список літератури:
1. Методи і засоби азимутально-інваріантної мюллер-матричної поляриметрії оптично-анізотропних біологічних шарів / Олар О.В., Ушенко В.О., Сахновський М.Ю. та ін. Біофізичний вісник. 2019. Вип.41. С. 52 – 62.
2. System of polarization mapping and intellectual analysis of Mueller matrix invariants of biological layers in the assessment of pathologies / N. Zabolotna et al. Proc. SPIE. 2023. Vol. 12985. 129850Q.
|