М.В. Поляков1, А.В. Хоперсков2, А.Г. Гудков3, С.В. Чижиков4

1,2 Волгоградский государственный университет (г. Волгоград, Россия)

3,4 МГТУ им. Н.Э. Баумана (национальный исследовательский университет) (Москва, Россия)

Постановка проблемы. В современной медицине широко используется метод микроволновой радиотермометрии, основанный на одновременном измерении инфракрасного излучения поверхности ткани и собственного микроволнового излучения внутренних областей, что позволяет определять яркостную температуру. Яркостная температура определяется внутренним распределением термодинамической температуры. Проблема заключается в построении математических моделей, которые должны описывать электромагнитные и тепловые поля внутри биоткани с учетом реалистичной внутренней многокомпонентной структуры биоткани или органа.

Цель. Разработать математическую модель для определения яркостной температуры в биологических тканях с целью использования ее в медицинских задачах диагностики и лечения заболеваний, связанных с изменением температуры тканей.

Результаты. Рассмотрено применение математического моделирования физических процессов, определяющих метод микроволновой радиотермометрии (РТМ), для проведения измерений внутренней температуры в биологических тканях. Дан анализ результатов вычислительных экспериментов в приложении к медицинской диагностике заболеваний молочной железы.

Практическая значимость. Разработанная математическая модель позволяет определять яркостную температуру в биологических тканях с высокой точностью и надежностью. Это открывает новые возможности для использования данной модели в медицинских задачах, связанных с изменением температуры тканей. Также модель может быть полезна для контроля эффективности лечения, особенно в случаях, когда изменение температуры является ключевым фактором в лечении. В целом, разработанная модель имеет большой потенциал для применения в медицинской практике и может значительно улучшить диагностику и лечение различных заболеваний.

Поляков М.В., Хоперсков А.В., Гудков А.Г., Чижиков С.В. Математическое моделирование яркостной температуры в биологических тканях для задач медицинской диагностики // Нанотехнологии: разработка и применение – XXI век. 2023. Т. 15. № 2. С. 5−21. DOI: https://doi.org/10.18127/j22250980-202302-01

1. Polyakov M. Computational modelling to determine the physical characteristics of biological tissues for medical diagnosis // International Journal of Engineering Systems Modelling and Simulations. 2020. 11(4). P. 214−221.
2. Khoperskov A.V., Polyakov M.V. Improving the Efficiency of Oncological Diagnosis of the Breast Based on the Combined Use of Simulation Modeling and Artificial Intelligence Algorithms // Algorithms. 2022. V. 15(8). id.292. 29 p.
3. Polyakov M., Levshinskii V., Khoperskov A. Modeling of brightness temperature in biological tissue // Journal of Physics: Conference Series. 2019. V. 1368. id.042057. 8 p.
4. Замечник Т.В., Лосев А.Г., Петренко А.Ю. Управляемый классификатор в диагностике рака молочной железы по данным микроволновой радиотермометрии // Математическая физика и компьютерное моделирование. 2019. Т. 22. № 3. С. 52−66.
5. Pennes H.H. Analysis of Tissue and Arterial Blood Temperatures in the Resting Human Forearm // Journal of Applied Physiology. 1948. V. 1. P. 93−122.
6. Robert J., Edrich J., Thouvenot P., Gautherie M., Escanye J.M. Millimeter-wave thermography: Preliminary clinical findings in head and neck diseases // Journal of Microwave Power. 1979. V. 14(2). P. 131−134.
7. Barrett A.H., Myers P.C., Sadowsky N.L. Detection of breast cancer by microwave radiometry // Radio Science. 1977. V. 12(6). P. 167−171.
8. Losev A.G., Svetlov A.V. Artificial Intelligence Algorithms in Diagnosis of Breast Cancer // Smart Innovation. Systems and Technologies. 2022. V. 287. P. 175−182.
9. Tarakanov A.V., Tarakanov A.A., Vesnin S., Efremov V.V., Goryanin I., Roberts N. Microwave Radiometry (MWR) temperature measurement is related to symptom severity in patients with Low Back Pain (LBP) // Journal of Bodywork and Movement Therapies. 2021. V. 26. P. 548−552.
10. Chupina D.N., Sedankin M.K., Vesnin S.G. Application of modern technologies of mathematical simulation for the development of medical equipment // IEEE 11th International Conference on Application of Information and Communication Technologies (AICT). 2017. P. 1−5.
11. Седанкин М.К., Веснин С.Г., Леушин В.Ю., Дудкин Д.И., Мышлецов И.И., Назаров В.Г., Агасиева С.В. Внутриполостная антенна для многоканального радиотермографа // Нанотехнологии: разработка, применение – XXI век. 2021. Т. 13. № 2. С. 54−62.
12. Polyakov M.V., Khoperskov A.V. Create Combined Thermometric Datasets for Machine Learning in Medicine // IEEE Xplore: 4rd International Conference on Control Systems, Mathematical Modeling, Automation and Energy Efficiency (SUMMA). 2022. P. 01−06.
13. Levshinskii V., Polyakov M., Losev A., Khoperskov A. Verification and Validation of Computer Models for Diagnosing Breast Cancer Based on Machine Learning for Medical Data Analysis // Communications in Computer and Information Science. 2019. V. 1084. P. 447−460.
14. Polyakov M.V., Popov I.E., Losev A.G., Khoperskov A.V. Application of computer simulation results and machine learning in analysis of microwave radiothermometry data // Mathematical Physics and Computer Simulation. 2021. V. 24. № 2. 27−37.
15. Fisher L., Fisher O., Chebanov D., Vesnin S., Goltsov A., Turnbull A., Dixon M., Kudaibergenova I., Osmonov B., Karbainov S., Popov L., Losev A., Goryanin I. Passive Microwave Radiometry and microRNA Detection for Breast Cancer Diagnostics // Diagnostics. 2023. V. 13(1). 118.
16. Веснин С.Г., Агасиева С.В., Седанкин М.К., Леушин В.Ю., Сидоров И.А., Порохов И.О., Гудков А.Г. Построение гибких конформных антенн для измерения собственного излучения головного мозга // Нанотехнологии: разработка, применение – XXI век. 2022. Т. 14. № 4. С. 5−18.
17. Agasieva S.V., Sedankin M.K., Leushin V.Y., Gudkov A.G., Zhuravleva K.V., Porokhov I.O., Gudkov G.A., Vesnin S.G. A Conformal Medical Antenna Based on a Flexible Substrate // Biomedical Engineeringthis link is disabled. 2023. V. 56(6). P. 373−377.
18. Leushin V.Y., Gudkov A.G., Sidorov I.A., Korolev A.V., Rykov S.G., Chizhikov S.V., Agasieva S.V., Porokhov I.O. Principles of Construction and Approaches to Further Improvements in Multichannel Multifrequency Radiothermographs // Biomedical Engineeringthis. 2023. V. 56(6). P. 449−452.
19. Sedankin M.K., Leushin V.Y., Agasieva S.V. et al. Medical Antennas for Microwave Radiothermometry of Biological Objects // Biomedical Engineeringthis. 2023. V. 56(6). P. 419−423.
20. Scapaticci R., Di Donato L., Catapano I., Crocco L. A feasibility study on microwave imaging for brain stroke monitoring // Progress In Electromagnetics Research B. 2012. V. 40. P. 305−324.
21. Stauffer P.R., Snow B.W., Rodrigues D.B., Salahi S., Oliveira T.R., Reudink D., Maccarini P.F. Non-invasive measurement of brain temperature with microwave radiometry: Demonstration in a head phantom and clinical case // Neuroradiology Journal. 2014. V. 27(1). P. 3−12.
22. Hand J.W., VanLeeuwen G.M.J., Mizushina S., Van deKamer J.B., Maruyama K., Sugiura T., Azzopardi D.V., Edwards A.D. Monitoring of deep brain temperature in infants using multi-frequency microwave radiometry and thermal modeling // Physics in Medicine and Biology. 2001. V. 46(7). P. 1885−1903.
23. Verma V., Lange F., Bainbridge A., Harvey-Jones K., Robertson N.J., Tachtsidis I., Mitra S. Brain temperature monitoring in newborn infants: Current methodologies and prospects // Frontiers in Pediatrics. 2022. V. 10. 1008539.
24. Shevelev O., Petrova M., Smolensky A., Osmonov B., Toimatov S., Kharybina T., Karbainov S., Ovchinnikov L., Vesnin S., Tarakanov A., Goryanin I. Using medical microwave radiometry for brain temperature measurements // Drug Discovery Today. 2022. V. 27(3). P. 881−889.
25. Leushin V.Y., Gudkov A.G., Porokhov I.O., Vesnin S.G., Sedankin M.K., Sidorov I.A., Solov'ev Y.V., Agasieva S.V., Chizhikov S.V. Possibilities of increasing the interference immunity of radiothermograph applicator antennas for brain diagnostics // Sensors and Actuators A: Physical. 2022. V. 337. 113439.
26. Поляков М.В. Математическое моделирование динамики тепловых процессов в многокомпонентных биологических тканях: анализ пространственных распределений термодинамической и яркостной температур. Дис. … канд. техн. наук. Волгоград. 2022. 178 с.
27. Pennes H.H. Analysis of Tissue and Arterial Blood Temperatures in the Resting Human Forearm // Journal of applied physiology. 1948. V. 1 (2). P. 93−122.
28. Gonzalez F.J. Thermal simulation of breast tumors // Revista Mexicana de Fisica. 2007. V. 53(4). P. 323−326.
29. Zuluaga-Gomez J., Zerhouni N., Al Masry Z., Devalland C., Varnier C. A survey of breast cancer screening techniques: thermography and electrical impedance tomography // Journal of Medical Engineering & Technology. 2019. V. 43(5). P. 305−322.
30. Vesnin S.G., Sedakin M.K. Development of antenna-applicator series for tissue temperature non-invasive measurement of a human // Eng. J. Sci. InnoV. 2012. V. 11. P. 1−18.
31. Kublanov V., Borisov V., Babich M. Simulation the distribution of thermodynamic temperatures and microwave radiation of the human head // Computer Methods and Programs in Biomedicine. 2020. V. 190. 105377.
32. Krenzer A., Makowski K., Hekalo A., Fitting D., Troya J., Zoller W.G., Hann A., Puppe F. Fast machine learning annotation in the medical domain: a semi-automated video annotation tool for gastroenterologists // BioMedical Engineering Online. 2022. V. 21. № 1. 33.
33. Levshinskii V., Galazis C., Losev A., Zamechnik T., Kharybina T., Vesnin S. Goryanin I. Using AI and passive medical radiometry for diagnostics (MWR) of venous diseases // Computer Methods and Programs in Biomedicine. 2022. V. 215. 106611.
34. Onemli E., Joof S., Aydinalp C., Pastacı Özsobacı N., Ateş Alkan F., Kepil N., Rekik I., Akduman I., Yilmaz T. Classification of rat mammary carcinoma with large scale in vivo microwave measurements // Scientific Reports. 2022. V. 12. № 1. 349.
35. Гермашев И.В., Дубовская В.И. Применение моделей нечеткой математики для решения задач медицинской диагностики // Математическая физика и компьютерное моделирование. 2021. Т. 24 № 4. С. 53−66.
36. Ferro A., Kotecha S., Fan K. Machine learning in point-of-care automated classification of oral potentially malignant and malignant disorders: a systematic review and meta-analysis // Scientific Reports. 2022. V. 12. № 1. 13797.
37. Polyakov M., Khoperskov A., Borisovskii E., Emelyanov E. The using of machine learning and neural networks in the processing of computer simulation results for medical diagnostics // CEUR Workshop Proceedings. 2020. V. 2667. P. 189−192.
38. Bardati F., Iudicello S. Modeling the Visibility of Breast Malignancy by a Microwave Radiometer // IEEE Transactions on Biomedical Engineering. 2008. № 55. P. 214−221.