[go: up one dir, main page]

RU2845972C1 - Способ непрерывного наблюдения активности мозга мыши - Google Patents

Способ непрерывного наблюдения активности мозга мыши

Info

Publication number
RU2845972C1
RU2845972C1 RU2024136799A RU2024136799A RU2845972C1 RU 2845972 C1 RU2845972 C1 RU 2845972C1 RU 2024136799 A RU2024136799 A RU 2024136799A RU 2024136799 A RU2024136799 A RU 2024136799A RU 2845972 C1 RU2845972 C1 RU 2845972C1
Authority
RU
Russia
Prior art keywords
brain
activity
image
region
mouse
Prior art date
Application number
RU2024136799A
Other languages
English (en)
Inventor
Илья Владимирович Кашин
Аделина Салаватовна Хасанова
Original Assignee
Федеральное государственное автономное образовательное учреждение высшего образования "Уральский федеральный университет имени первого Президента России Б.Н. Ельцина"
Filing date
Publication date
Application filed by Федеральное государственное автономное образовательное учреждение высшего образования "Уральский федеральный университет имени первого Президента России Б.Н. Ельцина" filed Critical Федеральное государственное автономное образовательное учреждение высшего образования "Уральский федеральный университет имени первого Президента России Б.Н. Ельцина"
Application granted granted Critical
Publication of RU2845972C1 publication Critical patent/RU2845972C1/ru

Links

Abstract

Изобретение относится к способу непрерывного наблюдения активности мозга мыши на основе объемных изображений, полученных с помощью фотоакустической компьютерной томографии. В предложенном способе применяют подготовленное объемное изображение мозга мыши, полученное с помощью фотоакустической компьютерной томографии. Данное изображение преобразовывают к двумерному плоскому виду путем свертки третьего измерения активности мозга суммарным сигналом активности мозга по глубине. На получившемся изображении определяют точку с максимальным сигналом и радиус области с центром в этой точке, такой, что суммарный сигнал в этой области составляет не менее 50% от суммарного сигнала, распределенного на всем изображении. Полученную область переносят на сформированную заранее карту распределения плотности нейронной активности в высоком разрешении. Затем определяют местонахождение первичного нервного раздражения, которое вводят в компьютер по определенному правилу. После производят компьютерный расчет релаксации первичного нервного возбуждения, получая в каждый момент времени изображения высокого качества, демонстрирующие процесс ослабления нервного раздражения. Из полученных изображений формируют видеоряд, в котором наблюдается непрерывная нейронная активность мозга мыши. Изобретение обеспечивает построение карты плотности нейронной активности мозга мыши высокого разрешения, для демонстрации непрерывности которой строится видеоряд, составленный из последовательных двумерных изображений высокого качества, полученных в результате применений объекта технологии настоящего способа для каждого момента времени регистрации активности. 1 ил.

Description

Данный способ относится к области медицинских измерительных систем, конкретно к методу моделирования нейронной активности мозга, с получением информации об активности различных зон головного мозга мыши.
Одним из способов, исследования мозга, является построения его цифрового двойника. Цифровой двойник мозга - это понятие, которое описывает создание компьютерной модели, которая может имитировать его функции с достаточно высокой точностью. Данные о нейронной активности мозга мыши, которые получили в какой-то момент времени в прошлом, не дают точной характеристики о состоянии ее мозга в текущий момент времени.
Существующие методы функциональной и структурной визуализации мозга, имеют небольшое разрешение полученных изображений, а также не способны до конца регистрировать быстрые изменения активности мозга. Большинство методов оптической визуализации могут отображать мозг только на 1 мм вглубь, и требуют для этого использования живого существа, предварительно выращенного в лабораторных условиях, с определенным флуоресцирующим белком в мозге.
Наиболее близким по техническому решению является статья «Rapid volumetric optoacoustic imaging of neural dynamics across the mouse brain (Быстрая объемная оптоакустическая визуализация нейронной активности мозга мыши)» [Sven Gottschalk, Oleksiy Degtyaruk, Benedict Mc Larney, Johannes Rebling, Magdalena Anastasia Hutter, Xosé Luís Deán-Ben, Shy Sho-ham & Daniel Razansky, Nature Biomedical Engineer-ing vol. 3, p. 392-401 (2019)], в которой живую мышь, выращенную в лабораторных условиях и экспрессирующую генетически кодируемый индикатор кальция GCaMP6f, помещают в специальную установку предназначенную для ее фиксации. Для явной демонстрации изменения активности мозга, в заднюю лапу мыши вводят иглу, через которую с разным промежутком времени пускают электрический ток. Используя остальную часть установки, которая содержит в себе оптоакустический томограф, фиксируют изменения активности мозга и получают изображения этих изменений.
Недостатком вышеуказанного способа является то что, для этого способа необходимы специальные лабораторные мыши и установка, с дорогостоящим оборудованием, в которую они помещаются. Также изображения, полученные в этом способе, имеют небольшое разрешение.
Данный способ предлагает создание карты нейронной плотности мозга мыши высокого разрешения, на которой можно визуализировать непрерывный процесс нейронной активности, что позволит моделировать различные процессы нервного возбуждения, без применения дорогостоящего оборудования и использования специально выращенных лабораторных мышей.
Способ включает в себя объемное изображение мозга мыши, полученные с помощью метода фотоакустической компьютерной томографии [Lei Li, Jun Xia, Guo Li, Alejandro Garcia-Uribe, Qiwei Sheng, Mark A. Anastasio, Lihong V. Wang, Label-free photoacoustic tomography of whole mouse brain structures ex vivo // Neurophotonics, Vol. 3, Issue 3, 035001 (July 2016)], преобразованное к виду двумерного плоского изображения, путем свертки третьего измерения активности мозга суммарным сигналом активности мозга по глубине: на получившемся изображении размером, в диапазоне от 100 до 200 точек для одного измерения, определяют точку с максимальным сигналом и радиус круглой области с центром в этой точке, такой, что суммарный сигнал в данной области составляет не менее 50% от суммарного сигнала, распределенного на всем изображении.
В рамках данного метода на определённой области двумерного пространства реконструируется динамика перемещения элементарных объектов в соответствии со следующим принципом: в каждый последующий момент времени статистическое распределение объектов по пространству (сколько % времени они были в каждой точке пространства) всё более устремляется к эталонному распределению. В контексте настоящей задачи эталонным является распределение плотности нейронной ткани головного мозга лабораторной мыши а изначальное распределение описывает дисбаланс плотности нейронной ткани и нагруженной на неё плотности нейронной активности. Под объектом подразумевают единичный нервный импульс, способный к перемещению по нервной ткани, а направление его перемещения определяют из восьми вариантов, соответствующих двум горизонтальным, двум вертикальным и четырём диагональным направлениям. Для каждого варианта (индекс p = 1…8) используется следующая метрика: где (x p , y p ) - результирующее положение импульса, если соответствующий вариант будет принят; i - текущий номер итерации численного метода; Принимают вариант с минимальным Каждое перемещение импульса оставляет за собой на изображении точку, которая и будет иллюстрировать динамику нейронной активности. Таким образом, моделируют нейронную активность мозга мыши, на изображении с разрешением, в диапазоне от 1000 до 1400 точек для одного измерения. Последовательной обработкой нейронной активности в каждый момент времени, получают двумерные изображения, которые формируют видеоряд, демонстрирующий непрерывный процесс релаксации нервного раздражения мозга мыши. На Фиг. 1 приведен пример таких изображений.
Техническим результатом способа, является графическое представление, в высоком разрешении, карты плотности нейронной активности, которая итеративно реконструирует процесс релаксации плотности активности во всю нервную ткань мозга, что и выделяет наиболее активные зоны, участвующие в процессе.

Claims (1)

  1. Способ непрерывного наблюдения нейронной активности зон мозга лабораторной мыши на объемных изображениях мозга мыши, полученных с помощью фотоакустической компьютерной томографии, отличающийся тем, что объемные изображения преобразовывают к виду плоского монохромного изображения мозга сверху путем свертки третьего измерения суммарным сигналом активности мозга по глубине, на получившемся изображении в диапазоне от 100 до 200 точек для одного измерения определяют точку с максимальным сигналом и радиус круглой области с центром в этой точке, такой, что суммарный сигнал в данной области составляет не менее 50% от суммарного сигнала, распределенного на всем изображении, сформированную область переносят на подготовленную заранее плоскую карту распределения плотности нейронной ткани мозга мыши в высоком разрешении, увеличенном от исходного изображения порядка в 10 раз, определяют местонахождение первичного нервного раздражения, таким образом, что вся нейронная активность равномерно распределена внутри области, вне области активности нет, производят компьютерный расчёт релаксации первичного нервного возбуждения в основные зоны мозга, представленные картой плотности нейронной ткани высокого разрешения, затем производят графическое построение результирующей карты нейронной активности высокого разрешения, при этом на основе последовательно построенных двумерных графических изображений строят видеоряд для демонстрации непрерывности процесса.
RU2024136799A 2024-12-09 Способ непрерывного наблюдения активности мозга мыши RU2845972C1 (ru)

Publications (1)

Publication Number Publication Date
RU2845972C1 true RU2845972C1 (ru) 2025-08-28

Family

ID=

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010113690A1 (ja) * 2009-03-31 2010-10-07 国立大学法人奈良先端科学技術大学院大学 情報処理装置、情報処理方法、およびプログラム
RU2607958C1 (ru) * 2015-11-27 2017-01-11 Федеральное Государственное Бюджетное Учреждение Науки Институт Мозга Человека Им. Н.П. Бехтеревой Российской Академии Наук /Имч Ран/ Способ совмещения мультимодальных изображений головного мозга

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010113690A1 (ja) * 2009-03-31 2010-10-07 国立大学法人奈良先端科学技術大学院大学 情報処理装置、情報処理方法、およびプログラム
RU2607958C1 (ru) * 2015-11-27 2017-01-11 Федеральное Государственное Бюджетное Учреждение Науки Институт Мозга Человека Им. Н.П. Бехтеревой Российской Академии Наук /Имч Ран/ Способ совмещения мультимодальных изображений головного мозга

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Lei Li et al. Label-free photoacoustic tomography of whole mouse brain structures ex vivo, Neurophotonics, Vol. 3, Issue 3, July 2016, рр. 1-8. *
Shuai Na et al. Massively parallel photoacoustic computed tomography of human brain function, Nat Biomed Eng. Author manuscript; available in PMC 2023 May 01, pp. 1-21. *

Similar Documents

Publication Publication Date Title
JP7271000B2 (ja) パッチガイド方法及びプログラム
Grychtol et al. 3D EIT image reconstruction with GREIT
Karperien et al. Box-counting fractal analysis: A primer for the clinician
CN113367679B (zh) 靶点确定方法、装置、设备及存储介质
CN113367680B (zh) 靶点确定方法、装置、设备及存储介质
JP2020533103A (ja) Tms刺激ナビゲーション方法及びプログラム
JP2020533102A (ja) 3次元脳地図の生成方法及びプログラム
US9271679B2 (en) Method and apparatus for processing medical image signal
CN113367681A (zh) 靶点确定方法、装置、设备及存储介质
CN113948189B (zh) 基于gru神经网络的meg源定位方法
Jia et al. Ultra-high field imaging of human visual cognition
RU2845972C1 (ru) Способ непрерывного наблюдения активности мозга мыши
Jiricek et al. Electrical source imaging in freely moving rats: Evaluation of a 12-electrode cortical electroencephalography system
ES2854938T3 (es) Sistema y procedimiento para reconstruir una señal fisiológica de un sistema dinámico de arteria/tejido/vena de un órgano en un espacio de superficie
Ratajewicz-Mikolajczak et al. Neural networks method for identification of the objects behind the screen
Stangl et al. Population-level analysis of human grid cell activation
RU2841109C1 (ru) Способ построения динамической карты активности мозга пациента на основе электроэнцефалограммы
Tanzer Numerical modeling in electro-and magnetoencephalography
Beniczky et al. Electromagnetic source imaging, high-density EEG and MEG
Zapfe et al. High resolution detection of stationary and evolving two-dimensional current source density within neuronal microcircuits
Nguyen Diep et al. Modeling Bio-Impedance Measurement in a Reconstructed Model From MRI Images for Developing Electrical Impedance Tomography Application
Malony et al. Computational modeling of human head electromagnetics for source localization of milliscale brain dynamics
JPH01256932A (ja) 生体内等価電流双極子の表示装置
Oguzhan et al. Design and validation of a multi-angle planar surface electrode system for electrical impedance tomography
CN120501439A (zh) 脑信息传播路径的度量方法及装置