Дослідження статистичного розподілу розсіяння неоднорідними структурами мозку ІЧ сигналів методом Монте-Карло
Автор: Каніковська Ольга Андріївна
Кваліфікаційний рівень: магістр
Спеціальність: Інформаційні технології проектування
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: українська
Анотація: Каніковська О.А., Кособуцький П.С. (керівник). Дослідження статистичного розподілу розсіяння неоднорідними структурами мозку ІЧ сигналів методом Монте-Карло. Магістерська кваліфікаційна робота. – Національний університет «Львівська політехніка», Львів, 2025. Розширена анотація Ближня інфрачервона спектроскопія (NIRS) стає перспективним інструментом для раннього виявлення легких когнітивних порушень (MCI) та нейродегенеративних захворювань, особливо в тих випадках, коли можливості сучасних методів візуалізації обмежені.[3] Мета роботи – використовуючи метод Монте-Карло, змоделювати радіальний розподіл інтенсивності розсіяння інфрачервоних сигналів мозком, як оптично неоднорідною структурою та дослідити їх статистичні закономірності, який формує вимірювальний оптико-електронною системою сигнал в fNIRS-методі. Об’єктом дослідження є процес поширення та розсіяння ближнього інфрачервоного світла (NIRS-сигналів) в біологічних тканинах мозку людини, які моделюються як неоднорідне багатошарове середовище. Предметом дослідження є статистичний розподіл радіального розсіяння NIRS-сигналів у неоднорідних структурах мозку, отриманий шляхом чисельного моделювання методом Монте-Карло, а також статистична відповідність цього розподілу відомим теоретичним розподілам (нормальному, експоненціальному) за допомогою базового в параметричній статистиці критерію згоди Пірсона. Наукова новизна: Вперше методом Монте-Карло досліджена динаміка інтенсивності розсіяння NIRS-фотонів плоскопаралельною структурною мозку в залежності від числа (один, два, три і чотири) шарів та проведений статистичний аналіз спектрів методом параметричної статистики. Результати дослідження: Проведене дослідження успішно встановило принципи ефективного спрощення багатошарової моделі біотканин, підтвердивши можливість її заміни агрегованими аналогами. Критичним відкриттям став провал валідації однієї з двохшарових моделей. Це доводить, що агрегація поверхневих шарів (шкіра, череп) вносить неприпустиму систематичну похибку у вимірювання відбивної здатності. Щодо узгодженості теоретичним розподілам, критерій Пірсона формально відхилив обидві нульові гіпотези для Нормального та Експоненціального розподілів для всіх моделей. Це свідчить про те, що експериментальні дані мають більш складний характер розподілу. Однак, порівняння значень критерію показало, що Експоненціальний розподіл краще узгоджується з даними, ніж Нормальний, що логічно для асиметричної спадної кривої. Для досягнення ідеальної аналітичної репрезентації даних рекомендовано застосовувати більш гнучкі моделі, такі як Гамма-розподіл, або використовувати критерій Колмогорова-Смирнова. Основна мета роботи досягнута: визначені статистично еквівалентні спрощені моделі, придатні для практичного використання в біомедичній інженерії. Апробація результатів роботи: Результати даної роботи були апробовані на першому етапі 83-ї студентської науково-технічної конференції. Також, окремі напрацювання були використані у роботі, яка презентувалась на другому етапі вище зазначеної конференції та в матеріалах наукового керівника проф. Кособуцького П.С. Ключові слова: інфрачервона спектроскопія, NIRS-сигнали, метод Монте-Карло, розподіл розсіяння світла, тканини мозку, статистичний аналіз. Перелік використаних літературних джерел. Monte Carlo-Based Optical Simulation of Optical Distribution in Deep Brain Tissues Using Sixteen Optical Sources [Електронний ресурс] – Режим доступу до ресурсу: https://www.mdpi.com/2306-5354/11/3/260 Okada, E.; Delpy, D.T. Near-infrared light propagation in an adult head model. II. Effect of superficial tissue thickness on the sensitivity of the near-infrared spectroscopy signal. Appl. Opt. 2003, 42, 2915–2921. Режим доступу до ресурсу: https://opg.optica.org/ao/abstract.cfm?uri=ao-42-16-2915 The theory of Near Infrared Spectroscopy [Електронний ресурс] – Режим доступу до ресурсу: https://www.artinis.com/theory-of-nirs LIONirs: flexible Matlab toolbox for fNIRS data analysis [Електронний ресурс] – Режим доступу до ресурсу: https://www.biorxiv.org/content/10.1101/2020.09.11.257634v1.full Wang, Y.; Bai, L. Accurate Monte Carlo simulation of frequency-domain optical coherence tomography. Int. J. Numer. Methods Biomed. Eng. 2019, 35, e3177. [Електронний ресурс] – Режим доступу до ресурсу: https://onlinelibrary.wiley.com/doi/10.1002/cnm.3177