All issues

Как правило, данные конфокальной и многофотонной лазерной сканирующей микроскопии страдают от низкого уровня полезного сигнала и высокого вклада дробового шума, связанного со стохастическим характером испускания фотонов флуорофором. Это осложняет задачу подавления шума и выделения полезного сигнала в таких данных. В настоящее время популярны нейросетевые алгоритмы улучшения изображений, однако они часто представляют собой «черный ящик» и требуют длительного обучения на конкретных наборах данных. В работе предлагается алгоритм подавления шума для данных динамической флуоресцентной микроскопии, опирающийся на наличие пространственно-временных локальных корреляций в полезном сигнале и на отсутствие пространственных корреляций в шумовой компоненте. Сингулярное разложение матриц (SVD), производящее спектральное разложение матрицы ковариации, — распространенный способ низкоранговой аппроксимации двумерных массивов, концентрирующий скоррелированный сигнал в нескольких первых компонентах разложения. Однако данные динамической микроскопии представляют собой трехмерные массивы или тензоры большей размерности, поэтому использование тензорных разложений потенциально может улучшить результат подавления шума по сравнению с обычным SVD. В основе алгоритма — двухэтапное применение усеченного сингулярного разложения высшего порядка (HOSVD) с введением порога для коэффициентов и последующим обратным преобразованием, сначала для локальных трехмерных окон в пространстве TXY (3D-HOSVD), а затем для пространственно объединенных групп трехмерных окон (4D-HOSVD). Для валидации алгоритма используются синтетические данные кальциевой сигнализации в астроцитах, в которых концентрация кальция транслируется в сигнал флуоресценции, значения которого в каждом кадре и каждом пикселе затем служат математическим ожиданием и дисперсией для сэмплирования случайной величины из непрерывного аналога пуассоновского распределения. Проведен анализ чувствительности алгоритма от параметров понижения ранга вдоль размерности временных компонент и группового ранга, длины локального окна и порога коэффициентов разложения. Несмотря на наличие мультипликативного шума, предлагаемый алгоритм демонстрирует значительное улучшение анализируемого сигнала, увеличивая соотношение «сигнал/шум» (PSNR) более чем на 20 дБ. Данный метод не опирается на предположения относительно разреженности или гладкости сигнала и может быть использован в качестве одного из этапов обработки данных динамической флуоресцентной микроскопии для самых различных типов данных.

Fluorescent imaging data are currently widely used in neuroscience and other fields. Genetically encoded sensors, based on fluorescent proteins, provide a wide inventory enabling scientiests to image virtually any process in a living cell and extracellular environment. However, especially due to the need for fast scanning, miniaturization, etc, the imaging data can be severly corrupred with multiplicative heteroscedactic noise, reflecting stochastic nature of photon emission and photomultiplier detectors. Deep learning architectures demonstrate outstanding performance in image segmentation and denoising, however they can require large clean datasets for training, and the actual data transformation is not evident from the network architecture and weight composition. On the other hand, some classical data transforms can provide for similar performance in combination with more clear insight in why and how it works. Here we propose an algorithm for denoising fluorescent dynamical imaging data, which is based on multilinear higher-order singular value decomposition (HOSVD) with optional truncation in rank along each axis and thresholding of the tensor of decomposition coefficients. In parallel, we propose a convenient paradigm for validation of the algorithm performance, based on simulated flurescent data, resulting from biophysical modeling of calcium dynamics in spatially resolved realistic 3D astrocyte templates. This paradigm is convenient in that it allows to vary noise level and its resemblance of the Gaussian noise and that it provides ground truth fluorescent signal that can be used to validate denoising algorithms. The proposed denoising method employs truncated HOSVD twice: first, narrow 3D patches, spanning the whole recording, are processed (local 3D-HOSVD stage), second, 4D groups of 3D patches are collaboratively processed (non-local, 4D-HOSVD stage). The effect of the first pass is twofold: first, a significant part of noise is removed at this stage, second, noise distribution is transformed to be more Gaussian-like due to linear combination of multiple samples in the singular vectors. The effect of the second stage is to further improve SNR. We perform parameter tuning of the second stage to find optimal parameter combination for denoising.

Тромбоз воротной вены (ТВВ) является значимым осложнением как в претрансплантационном, так и в послеоперационном периоде трансплантации печени. Многофакторная этиология ТВВ, парадоксальное состояние гемостаза при циррозе печени и ограниченная информативность стандартных коагулологических тестов определяют необходимость разработки формализованных моделей для оценки риска тромбообразования.

Цель работы — на основе математической модели системы свертывания крови исследовать влияние гидродинамических условий и уровней факторов коагуляции на возможность формирования тромба в воротной вене.

Воротная вена рассматривается как проточный реактор с быстрым конвективным перемешиванием. Математическая модель основана на детализированной кинетической схеме, включающей уравнения для внешнего пути активации свертывания, петель положительных и отрицательной обратных связей, ингибирования активных факторов. Система обыкновенных дифференциальных уравнений интегрировалась одностадийным методом Розенброка с комплексными коэффициентами.

Показан пороговый характер генерации тромбина в зависимости от скорости кровотока. При превышении критической скорости фаза инициации не переходит в фазу амплификации, что соответствует физиологическим условиям, препятствующим тромбообразованию. Продемонстрировано, что при пониженной концентрации фибриногена (характерной для дисфункции печени) порог скорости, выше которого тромб не формируется, возрастает, что означает повышенную чувствительность системы к стазу. Дефицит протеина C в моделируемых условиях оказывает минимальное влияние на динамику тромбообразования. Результаты моделирования качественно согласуются с клиническими данными по распределению пациентов с ТВВ по уровню фибриногена ($n$ = 932, НИИ им. Склифосовского).

Математическое моделирование позволяет формализовать связь между гемодинамическими и биохимическими факторами риска ТВВ. Пониженный уровень фибриногена идентифицирован как фактор, усиливающий тромботический потенциал при условиях стаза. Полученные результаты открывают перспективы для пациент-ориентированного прогнозирования риска ТВВ у кандидатов на трансплантацию печени.

Portal vein thrombosis (PVT) is a significant complication during both the pre-transplant and postoperative periods of liver transplantation. The multifactorial etiology of PVT, the paradoxical hemostatic state in liver cirrhosis and the limited usefulness of standard coagulation tests highlight the necessity of formalized models to assess thrombosis risk.

Objective: Using a mathematical model of the blood coagulation system, investigate the influence of hemodynamic conditions and coagulation factor levels on the likelihood of thrombus formation in the portal vein.

The portal vein is modelled as a flow-through reactor with rapid convective mixing. The mathematical model is based on Panteleev et al. (2010) detailed kinetic scheme, incorporating equations for the extrinsic pathway of coagulation activation, positive and negative feedback loops, and inhibition of active factors. The resulting system of ordinary differential equations was integrated using a one-stage Rosenbrock method with complex coefficients.

Thrombin generation was shown to exhibit threshold dependence on blood flow velocity. Above a critical velocity, the initiation phase does not transition to the amplification phase. This corresponds to physiological conditions that prevent thrombus formation. We demonstrated that, at reduced fibrinogen concentrations characteristic of hepatic dysfunction, the critical velocity threshold above which thrombus formation is suppressed increases. This indicates the system’s heightened susceptibility to stasis. Protein C deficiency had minimal effect on thrombogenesis dynamics under the modeled conditions. The modeling results qualitatively agree with clinical data on fibrinogen distribution in PVT patients ($n$ = 932, Sklifosovsky Research Institute).