• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Софья Куликова: как правильно создать 3D-модель нервных связей нашего мозга?

Старший научный сотрудник научно-учебной лаборатории междисциплинарных эмпирических исследований GAMES Софья Куликова поделилась своими планами по изучению индивидуальных особенностей строения белого вещества головного мозга.


Один из научных проектов, над которым я сейчас работаю, посвящён изучению индивидуальных особенностей строения белого вещества головного мозга.

Наш мозг содержит до 100 миллиардов нервных клеток (нейронов), которые образуют серое вещество головного мозга. Между собой нейроны соединяются при помощи нервных волокон, при этом каждый отдельный нейрон может быть связан с 10000 других нейронов. Таким образом, суммарно все нервные волокна, составляющие белое вещество мозга, образуют до 1000 триллионов связей!

При планировании операций на головном мозге очень важно учитывать индивидуальные особенности расположения и формы нервных связей, так как их повреждения в ходе операционного вмешательства могут привести к потери важных для человека функций в после-операционном периоде. В настоящий момент основным подходом, позволяющим получить детализированное представление о строении нервных волокон, является диффузионно-взвешенная магнитно-резонансная томография (дМРТ).

ДМРТ — это метод магнитно-резонансной томографии, опирающийся на измерения диффузии молекул воды в тканях головного мозга. 

Молекулам воды очень трудно перемещаться через мембраны нервных волокон и поэтому, когда они оказываются рядом с нервными волокнами, движутся преимущественно вдоль них. Определяя основное направление движения молекул воды в различных участках мозга, можно создать 3х-мерную реконструкцию (трактографию) нервных волокон.   



Однако до сих пор остаётся открытым вопроc, насколько полно и точно результаты трактографии отражают реальную геометрию нервных волокон. Все существующие модели диффузии молекул воды в тканях головного мозга, а также алгоритмы, используемые для трактографии нервных волокон, имеют весьма ограниченную область применимости. Их использование для реконструкции нервных волокон сложной геометрической конфигурации может приводить к возникновению различных артефактов, в том числе к искажению формы волокон и появлению несуществующих артефактных волокон.

Эта проблема становится особенно актуальной при наличии патологии, когда могут меняться как расположение и форма нервных волокон (например, в случае их сдвига и деформации опухолью), так и микроструктурные свойства тканей головного мозга, используемые в традиционных алгоритмах трактографии. Кроме этого, результаты трактографии отражают исключительно структурную связанность белого вещества, но не предоставляют никакой информации о функциональном состоянии реконструированных волокон, ограничивая потенциальные возможности трактографии в клинической практике.

Одним из возможных подходов для решения этих проблем может стать комбинирование дМРТ с навигационной транскраниальной магнитной стимуляцией (ТМС). Симуляционные исследования предсказывают, что эффекты ТМС должны зависеть не только от параметров стимулирования, но и от пространственной геометрии стимулируемого нервного волокна. Так, например, наибольшая эффективность ТМС должна достигаться при стимулировании участков нервного волокна с максимальной производной тангенциальной компоненты напряженности электрического поля.

Таким образом, стимулируя одно и то же волокно в различных участках и сравнивая получаемые ТМС ответы с ожидаемыми, можно будет сделать выводы о реалистичности геометрии нервных волокон, получаемых в ходе их реконструкции.

Для реализации такого комбинированного дМРТ-ТМС подхода необходимо будет провести моделирование распределения электромагнитного поля, наведённого ТМС катушкой, в тканях головного мозга с учётом их биофизических особенностей. Полученные распределения будут использованы для расчёта ожидаемых ТМС эффектов для различных участков нервных волокон с учётом их геометрии. При этом также станет возможно определить координаты для оптимальной стимуляции заранее заданного нервного волокна, что, несомненно, имеет важное практическое значение для клинического применения ТМС.

В завершении хотелось бы отметить, что данный проект поддерживается грантом РНФ и предполагает возможность участия в нём 1-2-х студентов.

Обязательные требования: умение и желание программировать (очень приветствуется знание Python), понимание основ линейной алгебры и готовность читать литературу на английском языке. 

Если вас заинтересовала возможность участия в этом проекте, пожалуйста, свяжитесь со мной
(E-mail: SPKulikova@hse.ru), и я отвечу на ваши вопросы.