Берченко Геннадий Николаевич, заведующий патологоанатомическим отделением; доктор медицинских наук, профессор
Москва
Gennadiy N. Berchenko, Head of the Pathoanatomic Department, DSc, Professor
Moscow
Брайловская Татьяна Владиславовна, ведущий научный сотрудник отдела клинической и экспериментальной имплантологии, доктор медицинских наук, профессор
Москва
Tatiana v. Brailovskaya, Leading Researcher of the Department of Clinical and Experimental Implantology, DSc, Professor
Moscow
Федосова Нина Вениаминовна, научный сотрудник патологоанатомического отделения
Москва
Nina v. Fedosova, Researcher of the Pathoanatomic Department
Moscow
Тангиева Захира, врач-стоматолог отдела клинической и экспериментальной имплантологии
Москва
Zakhira Tangieva, MD, Dentist of the Department of Clinical and Experimental Implantology
Moscow
Актуальность. В работе изучена возможность использования математической модели искусственной нейронной сети (ИНС) для сравнительной количественной морфологической оценки процесса ремоделирования реваскуляризованного аутотрансплантата после реконструктивно-восстановительных операций у пациентов с дефектами челюстей.Материалы и методы. Проведено гистологическое исследование биопсии костной ткани челюстей на сроках 6, 9, 12 месяцев у 30 пациентов после выполнения реконструктивно-восстановительной операции с использованием реваскуляризированного аутотрансплантата малоберцовой кости на этапе установки дентальных имплантатов. Выполнялся анализ гистологических изображений с помощью математической модели, созданной на базе GoogLeNet, обучение которой проводилось на морфологических изображениях стадии ремоделирования созревающей костной ткани. Гистологические препараты были оцифрованы с помощью сканирующего микроскопа Leica SC2, и в потоковом режиме прогонялись через модель нейронной сети.Результаты. На всех сроках наблюдения в области дефекта челюсти формировалась относительно зрелая костная ткань с различной степенью выраженности признаков ремоделирования и созревания новообразованной кости. При этом выводы описательного гистологического исследования согласовались с количественными результатами математической модели ИНС, построенной на базе разработанного авторами программно-аппаратного комплекса, подтвержденная достоверность которых не менее 95%.Заключение. Исследование патоморфологических данных биопсийного материала с использованием математической модели ИНС, построенной на базе программного аппаратного комплекса, позволяет анализировать все поля зрения микроскопа гистологического препарата, минуя случайные выборки, а также оценку врачом-патологоанатомом отдельных полей зрения микроскопа, тем самым исключить возможность нерепрезентативной выборки и влияния человеческого фактора, что значительно повышает достоверность полученных результатов.
Relevance. The study examines the possibility of using a mathematic model of an artificial neural network (ANN) for comparative quantitative morphological assessment of revascularized autograft remodeling after reconstructive surgery in patients with jaw defects.Materials and methods. Jawbone biopsies of 30 patients were histologically examined during the implant placement stage, 6, 9, 12 months after the reconstructive surgery with a revascularized fibular graft. Histology images were analyzed using a mathematic model created on the basis of GoogLeNet and trained on morphological images of bone maturation. Histology slides were digitized by a scanning microscope Leica SC2 and streamed through the neural network model. Results. During the follow-up period, jaw defect areas demonstrated relatively mature bone tissue formation with various intensity rates of remodeling and maturation of the newly-formed bone. At that, the results of the descriptive histology were consistent with the quantitative results of the ANN mathematic model, created on the basis of the softwarehardware system developed by the authors. The confirmed significance level is 95% or higher.Conclusion. Pathomorphological data of biopsies were studied using an ANN mathematical model, built on a softwarehardware system, which allowed analyzing all microscope fields of view of a histological slide, bypassing random samples, as well as the evaluation by a pathologist of individual microscope fields of view, to exclude the possibility of unrepresentative sampling and the influence of human factor, which significantly increases the significance of the received results.
The authors declare that there are no conflicts of interest present.