Введение

Возможности использования методов и средств математики и информатики в исследованиях мозга и интерпретации их результатов столь же многообразны и широки, как собственно проблематика этих исследований.

1) формальной постановке задач исследований;

2) автоматизации обработки, анализа и интерпретации экспериментальных результатов;

Сокращения: АПК - алгоритмическо-программные комплексы; АЯ - аркуатное ядро; БД - базы данных; БЗ - базы знаний; БП - болезнь Паркинсона; ДА - дофамин; ДАИ - дескриптивные алгебры изображений; ДАИ1К - ДАИ с одним кольцом; ДПАИ - дескриптивный подход к анализу и пониманию изображений; КЧС - компактная часть черной субстанции; МИН - микроскопические изображения нейронов; НДЗ - нейродегенеративные заболевания; ПО АРИН - программное обеспечение анализа и распознавания изображений нейронов; SVM - метод опорных векторов.

3) построении математических и имитационных моделей исследуемых объектов и информационных, биологических, физиологических, физических, химических и других материальных и энергетических процессов;

4) проведении машинных экспериментов с математическими и имитационными моделями;

5) принятии интеллектуальных решений на основе анализа результатов исследований и моделирования;

6) извлечении из экспериментальных данных и моделей, структуризации и формальном описании новых знаний.

Эти математические процедуры имеют явно выраженный двойственный характер, поскольку полученные результаты немедленно становятся отправной точкой для постановки и решения новых исследовательских задач (Гуревич, Журавлев, 2010).

Цели и средства математических и информационных исследований мозга можно сформулировать следующим образом:

1) цели:

• выявление принципов и механизмов, определяющих развитие, организацию, обработку информации и умственные способности нервной системы;

• автоматизация извлечения информации и знаний из экспериментальных данных;

• моделирование на уровне отдельных нейронов, сетей нейронов и разделов мозга;

2) средства:

• разработка методов и программного обеспечения для анализа и моделирования;

• разработка, теоретическое и экспериментальное исследование моделей нервной системы и процессов, в ней реализующихся;

• разработка методов, инструментальных средств, баз данных (БД) и баз знаний (БЗ) нейронаук на всех уровнях анализа механизмов деятельности мозга и его функций.

Математические и информационные подходы в настоящее время широко используются в нейронауках, в частности, в таких ее существенных разделах, как молекулярная и клеточная нейронауки, поведенческая нейронаука, системная нейронаука, нейронаука развития, когнитивная нейронаука, теоретическая и вычислительная нейронаука, неврология и психиатрия, нейронная инженерия, нейролингвистика, нейровизуализация. При этом собственно исследования мозга имеют в основном теоретический, алгоритмический и структурный характер и проводятся, главным образом, на следующих структурных уровнях (это относится в первую очередь к работам по моделированию мозга):

• мозг в целом;

• специфические системы мозга (например зрительная система);

• сверхбольшие нейронные сети;

• малые нейронные сети;

• нейроны;

• ионные каналы и синапсы;

• молекулярные процессы.

Важным направлением в моделировании заболеваний, в том числе заболеваний мозга и их диагностике, является получение, хранение, обработка и анализ данных, извлекаемых из цифровых изображений. Изображение является одной из наиболее информативных и распространенных форм представления, передачи и хранения информации и в настоящее время активно используется как средство представления результатов биологических и клинических исследований в основных разделах медицинской науки и практической медицины. Так, например, для углубленного понимания патогенеза, диагностики и лечения нейродегенеративных заболеваний (НДЗ), в частности болезни Паркинсона (БП), большое значение имеет их экспериментальное моделирование. Разработка моделей могла бы продвигаться гораздо быстрее и была бы экономически эффективнее при снижении временных и материальных затрат на морфологические исследования за счет автоматизации и оптимизации методов обработки и анализа экспериментального материалана основе применения современных алгебраических методов математических теорий анализа изображений и распознавания образов.

Современное состояние математической теории анализа и распознавания изображений позволяет ставить и решать задачи, связанные с созданием стандартизированных тиражируемых информационных технологий и поддерживающих их высоконаукоемких алгоритмическо-программных комплексов (АПК) широкого назначения, а также их специализированных версий, обеспечивающих автоматизацию извлечения информации из медицинских изображений и создающих объективную основу для оптимизации принятия диагностических решений врачами- практиками и врачами-исследователями в интерактивных режимах.

Использование информационных технологий и поддерживающих их АПК позволит увеличить производительность труда врачей-клиницистов и снизить затраты на подготовку экспериментального материала. Кроме того, наличие информационных технологий открывает возможность ставить и решать такие задачи научных исследований, решение которых теряет смысл при отсутствии возможности автоматизировать обработку и анализ получаемых результатов в силу их высокой и специфической информационной насыщенности, сложности и колоссальных объемов экспериментальных данных. В целом создание информационных технологий анализа медицинских и биологических изображений имеет определяющее значение для совершенствования медицинской диагностики в клинических учреждениях и существенному повышению качества медицинской помощи.

В данной главе описаны возможности и основные результаты математических и информационных исследований мозга. Приведены примеры эффективного использования математических и информационных подходов для автоматизации обработки, анализа и оценивания экспериментальных данных, получаемых при исследовании мозга.

2.