Применение математического имитационного моделирования для исследования микроциркуляторного русла Ковалева А.А.*, Скедина М.А.*, Пичулин В.С.** * Учреждение Российской академии наук Государственный научный центр Российской Федерации - Институт медико-биологических проблем, Москва ** Московский авиационный институт (государственный технический университет) «МАИ», Москва

Актуальность: Ультразвуковые допплеровские методы являются эффективными для неинвазивного исследования характеристик движения тканей в организме человека и широко применяются в кардиологии и сосудистой диагностике. Применения метода УЗ высокочастотной допплерографии с рабочими частотами датчика МГц для исследования динамических процессов в МЦР во время функциональных нагрузочных тестов и моделировании факторов невесомости показал высокую диагностическую значимость данного метода. Неинвазивное исследование крови ультразвуковым методом является перспективным направлением в расширении диагностических возможностей ультразвуковой медицинской аппаратуры.

Исследование МЦР при функциональных пробах Исследование МЦР верхней конечности: - Пассивная ортостатическая проба ; - Велоэргометрия в положении «сидя»; - Велоэргометрия в положении «лежа». Пробы используются при обследовании спецконтингента. Исследование МЦР верхней и нижней конечности: - 21-часовая антиортостатическая гипокинезия (АНОГ). Моделирование условий микрогравитации.

Исследование МЦР при пассивной ортостатической пробе Циклограмма исследования : 1 – фон ( горизонтально ) 2 – , 1-я минута; 3 – , 5-я минута; 4 – , 10-я минута; 5 – , 15-я минута; 6 – , 20-я минута; 7 – горизонтально, 1-я минута (период восстановления); 8 – горизонтально, 5-я минута (период восстановления). В тесте принимали участие 15 практически здоровых добровольцев в возрасте от 18 до 39 лет

Использованное оборудование и исследуемые показатели КардиоВизор - 06S Высокочастотный ультразвуковой допплерограф «МИНИМАКС-Допплер-К» Энцефалан- ЭЭГР Исследуемые показатели: 1 – скоростные и объемные характеристики кровотока; 2 – показатели миокарда 3 – состояние церебрального кровообращения исследовали в фронто-мастоидальном (Fmd) и бимастоидальном отведениях (Bim)

Динамика показателей РЭГ при пассивной ортостатической пробе

Динамика показателей МЦР при пассивной ортостатической пробе Параметры МЦР при УЗ-исследовании у людей с гипотонической реакцией контрольные точки Параметры МЦР при УЗ-исследовании у людей с гипертонической реакцией контрольные точки

Динамика показателей миокарда при пассивной ортостатической пробе

Результаты исследования Проведение пассивной ортостатической пробы с использованием новых углубленных методов исследования ССС позволяет на более ранних стадиях выявлять начальные нарушения в регуляции ССС, определить тип нарушений и оценить возможность адаптации к стрессорным воздействиям.

Оценка взаимосвязи клеточного состава крови с допплеровским спектром сигнала Модель на основе искусственной нейронной сети Задача моделирования – получить некую функцию, то есть зависимость между параметрами, подаваемыми на вход модели и параметрами, обозначенными как выходы, при условии, что значения тех и других известны. Задача моделирования – получить некую функцию, то есть зависимость между параметрами, подаваемыми на вход модели и параметрами, обозначенными как выходы, при условии, что значения тех и других известны. Модель на основе искусственных нейронных сетей показала приемлемый уровень ошибок при исследовании клеточного состава крови УЗ методом.

Цель Проведение компьютерного моделирования среза ткани для определения характеристик сигналов от эритроцитов и лейкоцитов, поступающих на приемное устройство УЗ прибора для возможности последующего их разделения.

Компоненты ультразвукового сигнала акустический сигнал частотные характеристики амплитудные характеристики фазовые характеристики влияние сердечно- сосудистой системы влияние нервной системы влияние физических свойств биологических тканей влияние состава крови Клеточный состав крови влияет на: - Частотные характеристики (за счет эффекта Допплера) - Амплитудные характеристики (за счет рассеяния ультразвука и собственных пульсационных колебаний) -Фазовые характеристики (за счет собственных пульсационных колебаний)

Этапы моделирования ЭВМ Блок датчиков Биообъект Блок АЦП Фильтрация и усиление сигнала Цифровая обработка сигнала по алгоритму Получение УЗ-сигнала для оценки состояния МЦР при аппаратном обследовании Получение УЗ-сигнала для оценки состояния МЦР при математическом имитационном моделировании 1 – модель исследуемой среды (биообъекта); 2 - модель акустического поля (модель излучения- приема); 3 - модель цифровой обработка сигнала.

МЦР кожного покрова Сосудистая сеть кожного покрова Типичный структурный элемент Степень возможной детализации объекта исследования: - сеть сосудов; - единичный сосуд; - единичный форменный элемент.

Реализация модели для исследования c использованием ЭВМ Использование модульного и структурного подхода при вариативности исходных данных

Примеры отображения кровотока в единичном сосуде А Б В Г А – норма; Б – лейкоцитоз; Просвет капилляра сужен В – норма (по клеточному составу); Г – анемия.

Отображение поля скоростей - просвет капилляра сужен; -клеточный состав крови – анемия; - прочая патология отсутствует.

Давление в падающей волне Давление с учетом рассеяния Давление рассеянной волны Интенсивность излучения Рассеяние ультразвуковых волн на клетках крови Z θ Интенсивность рассеянного клетками крови сигнала пропорциональна параметрам рассеивателя (клетки крови) Действие УЗ волны на ткани и ФЭК вызывает появление вторичных волн на структурах, обладающих упругой деформацией. Наиболее выражен данный эффект на зрелых эритроцитах.

Модель для совокупности дискретных рассеивателей m – вид рассеивателя, 1 m М n – число рассеивателей, n = 1 ÷ Nm Сигнал, отраженный от совокупности рассеивателей: После НЧ фильтра:

Выводы Метод высокочастотной ультразвуковой допплерографии высокоинформативен при исследовании реакций сосудов МЦР при различных функциональных пробах. Метод прост в использовании и имеет потенциал для расширения диагностических возможностей. Модель на основе искусственных нейронных сетей показала приемлемый уровень ошибок при исследовании клеточного состава крови УЗ методом. Для определения клеточного состава крови УЗ методом необходимо отработать как алгоритм амплитудной демодуляции УЗ сигнала, так и алгоритм совместного анализа спектрограмм, в основе которого лежат аналитические выражения, отражающие взаимосвязь концентрации клеток крови определенного вида с частотой и амплитудой отраженного сигнала.

Благодарим за внимание!