А.А. Баландин1, А.Н. Жигулев2, И.А. Баландина3, Э.Р. Сайдашева4, П.А. Щипицына5

1–5 ФГБОУ ВО «Пермский государственный медицинский университет им. академика Е.А. Вагнера» Минздрава России (г. Пермь, Россия)

1 balandinnauka@mail.ru, 2 anzhigulev@inbox.ru, 3 balandina_ia@mail.ru, 4 Saidasheva2017@yandex.ru, 5 lukaswalker0109@gmail.com

Постановка проблемы. Мозг – уникальнейший по сложности организации своего строения орган. Его анатомические и физиологические характеристики остаются предметом глубокого изучения в медицине, нейробиологии и психологии. Сложность исследования мозга для нейроморфологов заключается в том, что он являет собой комплексную иерархическую модульную организацию, меняющуюся в зависимости от функциональных состояний. Структурно-функциональные системы мозга обладают необычностью своих нейронных сетей, собственной условной автономией и описываются современными учеными как структуры, работающие по принципу «маленького мира», однако их высокая степень взаимосвязанности как на биохимическом, так и на клеточном уровне, в масштабе всего мозга, создает неповторимую мультимодальную систему из множества подсистем. Между тем именно из-за столь причудливой формы мозга возникает вопрос: «Как методически правильно измерить этот орган»? 

Цель работы – обобщение данных научной литературы о разработанных на сегодняшний день методах и методиках прижизненной морфометрии головного мозга с возможностью точного определения его размеров.

Результаты. Представленные в научной литературе данные относительно прижизненной морфометрии головного мозга свидетельствуют о наличии обширного перечня методов. Наиболее часто используемые из них в современной медицинской практике – это магнитно-резонансная томография, компьютерная томография и ультразвуковое исследование. К методикам, каждая из которых имеет собственные преимущества, можно отнести цефалометрию с использованием лазерного сканера, трехмерное фотографирование, оптимизированные стереологические способы подсчета точек и методики планиметрии, а также MALF-методика, статистическое параметрическое картирование, FreeSurfer и ультразвуковая оценка общего объема головного мозга в 3D- и 2D-измерениях.

Практическая значимость. Систематизация имеющихся данных поможет сформировать всеобщий взгляд на комплексную проблему определения анатомических параметров мозга или отдельных областей центральной нервной системы и, возможно, повлечет рождение инновационных идей, которые достижимы при консолидации медицинских, биологических и технических наук.

Баландин А.А., Жигулев А.Н., Баландина И.А., Сайдашева Э.Р., Щипицына П.А. Прижизненная морфометрия головного мозга: методы и методики // Технологии живых систем. 2025. T. 22. № 3. С. 17-26. DOI: https://doi.org/10.18127/j20700997-202503-02

1. Ефимова О.И., Балабан П.М., Хайтович Ф.Е. Новые подходы к молекулярному картированию мозга: трехмерная циклическая иммуногистохимия и оптическое просветление // Журнал высшей нервной деятельности им. И.П. Павлова. 2018. Т. 68. № 6. С. 747–758. DOI 10.1134/S0044467718060059
2. Баландин А.А., Железнов Л.М., Баландина И.А. Возрастные изменения головного указателя и размеров таламусов у мезоцефалов // Человек и его здоровье. 2021. Т. 24. № 4. С. 52–58. DOI 10.21626/vestnik/2021-4/07
3. Wang B., Yuan Y., Yang L. et al. Multi-hierarchy Network Configuration Can Predict Brain States and Performance // Journal Cognitive Neuroscience. 2024. V. 36. № 8. P. 1695–1714. DOI: 10.1162/jocn_a_02153
4. Just M.A., Varma S. The organization of thinking: what functional brain imaging reveals about the neuroarchitecture of complex cognition // Cognitive Affective Behavioral Neuroscience. 2007. V. 7. № 3. P. 153–191. DOI: 10.3758/cabn.7.3.153
5. Finlay B.L. The Multiple Contexts of Brain Scaling: Phenotypic Integration in Brain and Behavioral Evolution // Brain Behavior Evolution. 2022. V. 97. № 1-2. P. 83–95. DOI: 10.1159/000521984
6. Nebe S., Reutter M., Baker D.H., et al. Enhancing precision in human neuroscience // ELife. 2023. V. 12. DOI: 10.7554/eLife.85980
7. Finlay L.M. Craniometry and cephalometry: a history prior to the advent of radiography // Angle Orthod. 1980. V. 50. № 4. P. 312–321. DOI: 10.1043/0003-3219(1980)050<0312:CACAHP>2.0.CO;2
8. Rössner S. Paul Pierre Broca (1824-1880) // Obesity Reviews. 2007. V. 8. № 3. P. 277. DOI: 10.1111/j.1467-789X.2007.00303.x
9. Nüsslin F. Wilhelm Conrad Röntgen: The scientist and his discovery // Physica Medica. 2020. V. 79. P. 65–68. DOI: 10.1016/j.ejmp.2020.10.010
10. Leonardi R., Giordano D., Maiorana F., Spampinato C. Automatic Cephalometric Analysis: A Systematic Review // Angle Orthod. 2008. V. 78(1). P. 145–151. DOI: 10.2319/120506-491.1
11. Баландин А.А., Железнов Л.М., Баландин В.А., Баландина И.А. Корреляционная взаимосвязь между возрастной динамикой поперечного размера мозжечка и головного указателя у мезоцефалов // Вестник Новгородского государственного университета. 2021. № 3(124). С. 6–10. DOI 10.34680/2076-8052.2021.3(124).6-10
12. Байбаков С.Е., Бахарева Н.С., Чигрин С.В. и др. Гендерные различия билатеральной асимметрии полушарий головного мозга у детей периода второго детства // Инновационная медицина Кубани. 2023. Т. 1. С. 53–57. DOI: 10.35401/2541-9897-2023-26-1-53-57
13. Arda K.N., Akay S. The Relationship between Corpus Callosum Morphometric Measurements and Age/Gender Characteristics: A Comprehensive MR Imaging Study // Journal of Clinical Imaging Science. 2019. V. 9(33). DOI: 10.25259/JCIS-13-2019
14. Xiao Y., Rivaz H., Chabanas M. et al. Evaluation of MRI to Ultrasound Registration Methods for Brain Shift Correction: The CuRIOUS2018 Challenge // IEEE Trans Med Imaging. 2020. V. 39. № 3. Р. 777–786. DOI: 10.1109/TMI.2019.2935060
15. Hazlett H.C., Poe M., Gerig G. et al. Early Brain Overgrowth in Autism Associated with an Increase in Cortical Surface Area Before Age 2 // Archives of General Psychiatry. 2011. V. 68. № 5. P. 467–476. DOI: 10.1001/archgenpsychiatry.2011.39
16. Cauley K.A., Hu Y., Fielden S.W. Aging and the Brain: A Quantitative Study of Clinical CT Images // American Journal of Neuroradiology. 2020. V. 41. № 5. P. 809–814. DOI: 10.3174/ajnr.A6510
17. Staffa S.J., Kohane D.S., Zurakowski D. Quantile Regression and Its Applications: A Primer for Anesthesiologists // Anesthesia and Analgesia. 2019. V. 128. № 4. P. 820–830. DOI: 10.1213/ANE.0000000000004017
18. Баландин А.А., Железнов Л.М., Баландина И.А. Возрастные изменения в нижней полулунной дольке мозжечка у мужчин // Наука молодых (Eruditio Juvenium). 2020. Т. 8. № 3. С. 337–344. DOI:10.23888/HMJ202083337-344
19. Terstege D.J., Addo-Osafo K., Campbell Teskey G., Epp J.R. New neurons in old brains: implications of age in the analysis of neurogenesis in post-mortem tissue // Molecular Brain. 2022. V. 15(1). P. 38. DOI: 10.1186/s13041-022-00926-7
20. Svennerholm L., Boström K., Jungbjer B. Changes in weight and compositions of major membrane components of human brain during the span of adult human life of Swedes // Acta Neuropathol. 1997. V. 94. № 4. P. 345–352. DOI: 10.1007/s004010050717
21. Рыскулова Г.О., Прмантаева Б.А., Рысқулов А.Е., Бaйдуллaeвa Г.E. Анализ возможности ПЭТ/КТ с 18F- ФДГ и ПЭТ/КТ С 18F-ФЭТ в диагностике опухолей головного мозга // Международный журнал прикладных и фундаментальных исследований. 2017. Т. 9.
22. Сидорина А.С., Шериев С.Р., Маслов Н.Е. и др. Магнитно-резонансная томография в диагностике глиальных опухолей головного мозга в свете новой классификации опухолей ЦНС // Российский журнал персонализированной медицины. 2023. Т. 3. № 6. С. 50–60. DOI: 10.18705/2782-3806-2023-3-6-50-60
23. Араблинский А.В. Дифференциальная диагностика нетравматических острых заболеваний головного мозга в условиях приемного отделения с использованием КТ и МРТ // Russian Electronic Journal of Radiology. 2020. Т. 10. № 4. С. 60–74. DOI: 10.21569/2222-7415-2020-10-4-60-74
24. Chabanova E., Larsen L., Løgager V.B. et al. Use og marnetic resonance imaging // Ugeskrift of Laeger. 2014. V. 176. № 1. P. 50–54.
25. Lawal O., Regelous P., Omiyi D. Supporting claustrophobic patients during Magnetic Resonance Imaging examination - the patient perspective // Radiography (Lond). 2023. V. 29. № 6. P. 1108–1114. DOI: 10.1016/j.radi.2023.09.008
26. Stoleriu M.G., Gerckens M., Obereisenbuchner F., et al. Automated quantitative thin slice volumetric low dose CT analysis predicts disease severity in COVID-19 patients // Clinical Imaging. 2021. V. 79. P. 96–101. DOI: 10.1016/j.clinimag.2021.04.008
27. Pearce M.S., Salotti J.A., Little M.P. et al. Radiation exposure from CT scans in childhood and subsequent risk of leukaemia and brain tumours: a retrospective cohort study // The Lancet. 2012. V. 380(9840). P. 499–505. DOI: 10.1016/S0140-6736(12)60815-0
28. Burkhardt W., Schneider D., Hahn G. et al. Non-invasive estimation of brain-volume in infants // Early Hum Dev. 2019. V. 132. P. 52–57. DOI: 10.1016/j.earlhumdev.2019.03.020
29. Tu L., Porras A.R., Enquobahrie A. et al. Automated Measurement of Intracranial Volume Using Three-Dimensional Photography // Plast. Reconstr. Surg. 2020. V. 146(3). P. 314e–323e. DOI: 10.1097/PRS.0000000000007066
30. Sahin B., Acer N., Sonmez O.F. et al. Comparison of four methods for the estimation of intracranial volume: a gold standard study // Clin. Anat. 2007. V. 20(7). P. 766–773. DOI: 10.1002/ca.20520
31. Shang X., Carlson M.C., Tang X. Quantitative comparisons of three automated methods for estimating intracranial volume: A study of 270 longitudinal magnetic resonance images // Psychiatry Res. Neuroimaging. 2018. V. 274. P. 23–30. DOI: 10.1016/j.pscychresns.2018.02.005
32. Benavente-Fernández I., Ruiz-González E., Lubian-Gutiérrez M. et al. Ultrasonographic Estimation of Total Brain Volume: 3D Reliability and 2D Estimation // Enabling Routine Estimation During NICU Admission in the Preterm Infant. Front Pediatr. 2021. V. 9. P. 708396. DOI: 10.3389/fped.2021.708396