Труды сотрудников ИВМ СО РАН

[Текст] : статья / С. С. Замай [и др.] // Сибирское медицинское обозрение. - 2015. - № 6. - С. 48-54 . - ISSN 1819-9496
   Перевод заглавия: Functionalized by the aptamers magnetic nanodiscs for nanosurgery of the tumors

УДК

577.29

Аннотация: Цель исследования. Определение перспектив использования функционализированных ДНК-аптамерами магнитных никелевых нанодисков с золотым покрытием для адресной клеточной хирургии онкологических заболеваний. Матери алы и методы. В качестве модели опухоли была использована асцитная карцинома Эрлиха. Теоретически и экспериментально исследованы структуры магнитного поля пермаллоевых и кобальтовых дисков Au-Fe(20)Ni(80)-Au и Au-Co-Au. Результаты. Выполнены оценки механического воздействия нанодисков на клеточную мембрану в переменном магнитном поле. Определены оптимальные состав, геометрия и структура остаточной намагниченности нанодисков. Экспериментально in vitro и in vivo для асцитной карциномы Эрлиха показана возможность использования функционализированных ДНК-аптамерами трехслойных Au-Ni-Au нанодисков с дипольной структурой остаточной намагниченности для адресного разрушения клеток-мишеней. 3аключе-ие. На основании теоретических расчетов и экспериментальных данных сделано заключение о том, что нанодиски Au-Ni-Au, обладающие магнитными свойствами, могут быть использованы для разработки новых методов и препаратов для малоинвазивной клеточной нанохирургии, которая позволяет адресно и дозировано уничтожать только клетки опухоли, в том числе, и метастазы.
The aim of the research. Determination of the prospects of application the functionalized by DNA-aptamers magnetic nickel nanodiscs with gold coating for targeted cell cancer surgery. Materials and methods. As tumor model was used Ehrlich ascites carcinoma. Theoretically and experimentally were investigated the structures of the magnetic field of permalloy and cobalt disks Au-Fe (20) Ni (80) -Au and Au-Co-Au. Results. It were executed the estimation of the mechanical impact of nanodiscs to the cell membrane in an alternating magnetic field. It was determined the optimum composition, geometry and structure of the residual magnetization of nanodiscs. Experimentally in vitro and in vivo for Ehrlich ascites carcinoma was showed the use of functionalized DNA-aptamers three layer Au-Ni-Au nanodisks with dipole structure of the residual magnetization for address destruction of the target cells. Conclusion. On the basis of theoretical calculations and experimental data, it was concluded that nanodiscs Au-Ni-Au, with magnetic properties, can be used to develop new methods and products for minimally invasive cellular nanosurgery that allows targeted and dosed destroy only tumor cells, including metastasis.

РИНЦ

Держатели документа:
ГАОУ ВПО Сибирский федеральный университет
ГБОУ ВПО Красноярский государственный медицинский университет имени проф. В. Ф. Войно-Ясенецкого Министерства здравоохранения РФ
ГБОУ ВПО Красноярский государственный педагогический университет им. В. П. Астафьева Министерства образования и науки РФ
Институт вычислительного моделирования СО РАН
Красноярский научный центр СО РАН

Доп.точки доступа:
Замай, Сергей Сергеевич; Zamay Sergey Sergeevich; Прокопенко, Владимир Семенович; Prokopenko Vladimir Semenovich; Замай, Анна Сергеевна; Zamay Anna Sergeevna; Денисенко, Валерий Васильевич; Denisenko V.V.; Ким, Петр Дементьевич; Kim Petr Dementievich; Орлов, Виталий Александрович; Orlov Vitaly Alerksandrovich; Замай, Галина Сергеевна; Zamay Galina Sergeevna; Иванченко, Татьяна Ивановна; Ivanchenko Tatiana Ivanovna; Замай, Татьяна Николаевна; Zamay Tatiana Nikolaevna

/ T. N. Zamay [et al.] // Nucleic Acid Therape. - 2017. - Vol. 27, Is. 2. - P105-114, DOI 10.1089/nat.2016.0634 . - ISSN 2159-3337
Аннотация: Magnetomechanical cell disruption using nano- and microsized structures is a promising biomedical technology used for noninvasive elimination of diseased cells. It applies alternating magnetic field (AMF) for ferromagnetic microdisks making them oscillate and causing cell membrane disruption with cell death followed by apoptosis. In this study, we functionalized the magnetic microdisks with cell-binding DNA aptamers and guided the microdisks to recognize cancerous cells in a mouse tumor in vivo. Only 10 min of the treatment with a 100 Hz AMF was enough to eliminate cancer cells from a malignant tumor. Our results demonstrate a good perspective of using aptamer-modified magnetic microdisks for noninvasive microsurgery for tumors. © Mary Ann Liebert, Inc. 2017.

Scopus,
Смотреть статью,
WOS

Держатели документа:
Laboratory of Biomolecular and Medical Technologies, Krasnoyarsk State Medical University, 1, P. Zheleznyaka, Krasnoyarsk, Russian Federation
Siberian Federal University, Krasnoyarsk, Russian Federation
Krasnoyarsk Research Center, Siberian Branch of the Russian Academy of Sciences, Krasnoyarsk, Russian Federation
Institute of Computational Modeling, Siberian Branch of the Russian Academy of Sciences, Krasnoyarsk, Russian Federation
Institute of Semiconductor Physics, Siberian Branch of the Russian Academy of Sciences, Novosibirsk, Russian Federation
Institute of Physics, Siberian Branch of the Russian Academy of Sciences, Krasnoyarsk, Russian Federation
Krasnoyarsk State Pedagogical University, Krasnoyarsk, Russian Federation
Department of Chemistry and Biomolecular Sciences, University of Ottawa, Ottawa, Canada

Доп.точки доступа:
Zamay, T. N.; Zamay, G. S.; Belyanina, I. V.; Zamay, S. S.; Denisenko, V.V.; Денисенко, Валерий Васильевич; Kolovskaya, O. S.; Ivanchenko, T. I.; Grigorieva, V. L.; Garanzha, I. V.; Veprintsev, D. V.; Glazyrin, Y. E.; Shabanov, A. V.; Prinz, V. Y.; Seleznev, V. A.; Sokolov, A. E.; Prokopenko, V. S.; Kim, P. D.; Gargaun, A.; Berezovski, M. V.; Zamay, A. S.

: статья / Александр Геннадьевич Зотин [и др.] // Медицина и высокие технологии. - 2018. - № 1. - С. 20-28 . - ISSN 2306-3645
   Перевод заглавия: Mri brain’s tumor edge detection based on fuzzy c-means

УДК

004.932

Аннотация: В настоящее время обработка медицинских изображений является наиболее сложной и развивающейся областью. При этом выявление границ объектов интереса на снимках МРТ является одним из наиболее важных элементов этой области. В настоящей статье предлагается методика обнаружения границ опухоли головного мозга по МРТ пациента. Эта методика включает несколько этапов: во-первых - удаления шума, а затем улучшение медицинского изображения с использованием метода улучшения контрастности (Balance Contrast Enhancement Technique, BCET), во-вторых - сегментация изображения с использованием метода нечеткой кластеризации С-средних (Fuzzy c-Means, FCM), и наконец, в-третьих, применение детектора Кэнни для выявления тонких границ. Для экспериментального исследования использованы изображения, содержащие опухоли головного мозга, которые характеризовались разным особенностями: расположением, типом патологии, формой, размером и плотностью, а также размером площади пораженной ткани около опухолевого пространства. Обнаружение и выделение опухоли на снимках МРТ головного мозга осуществлялось с использованием программного обеспечения MATLAB. Результат исследований экспериментального материала с использованием предлагаемой методики демонстрирует достаточно хорошую устойчивость к шуму. Кроме того, было обнаружено, что повышение точности решения задач геометрического анализа и сегментации, в некоторых случаях опухолевой патологии, на 10-15% лучше, чем соответствующие оценки экспертов.
Medical image processing is the most challenging and emerging field nowadays. Edge detection of MRI images is one of the most important elements of this field. This paper describes the proposed strategy to detect the edges of brain tumor from patient’s MRI scan images of the brain. This method incorporates with some noise removal functions, followed by improvement features and gain better characteristics of medical images for a right diagnosis using BCET. The result of second stage is subjected to image segmentation by using Fuzzy c-Means (FCM) clustering method. Finally, Canny edge detection method is applied to detect the fine edges. For the experimental study we used images containing brain tumors that were characterized by different location, type of pathology, shape, size and density, as well as the size of the area of the affected tissue near the tumor space. Detection and extraction of tumor from MRI scan images of the brain is done by using MATLAB software. The result of studies of the experimental material with usage of the proposed methodology demonstrates some resistivity to a noise. Also, an increase in the accuracy of solving the problems of geometric analysis and segmentation, in some cases of tumor pathology, was found to be up to 10-15% better relative to the corresponding expert estimates.

РИНЦ

Держатели документа:
Институт вычислительного моделирования СО РАН
Институт космических и информационных технологий Сибирского федерального университета
Сибирский государственный университет науки и технологии им. академика М.Ф. Решетнева

Доп.точки доступа:
Зотин, Александр Геннадьевич; Zotin Alexander Gennadievich; Хамад, Юсиф Ахмед; Hamad Yousif Ahmed; Кириллова, Светлана Владимировна; Kirillova Svetlana Vladimirovna; Курако, Михаил Александрович; Kurako Mikhail Aleksandrovich; Симонов, Константин Васильевич; Simonov Konstantin Vasilyevich

/ A. Zotin [et al.] // Procedia Computer Science : Elsevier B.V., 2018. - Vol. 126: 22nd International Conference on Knowledge-Based and Intelligent Information and Engineering Systems, KES 2018 (3 September 2018 through 5 September 2018, ) Conference code: 141492. - P1261-1270, DOI 10.1016/j.procS.2018.08.069 . -
Аннотация: Nowadays, medical image processing is the most challenging and emerging field. Edge detection of MRI images is one of the most important stage in this field. The paper describes the proposed strategy to detect the edges of brain tumor from patient's MRI scan images of the brain. At the first stage, this method includes some noise removal functions improving features that provides better characteristics of medical images for reliable diagnosis using Balance Contrast Enhancement Technique (BCET). The result of second stage is subjected to image segmentation using Fuzzy c-Means (FCM) clustering method. Finally, Canny edge detection method is applied to detect the fine edgeS. During the experimental study, we used images containing brain tumors that were characterized by different location, type of pathology, shape, size and density, as well as the size of the area of the affected tissue near the tumor space. Detection and extraction of tumor from MRI scan images of the brain is done using MATLAB software. The obtained results demonstrate some resistivity to a noise. Also, the accuracy of segmentation, in some cases of tumor pathology, was increased up to 10-15% regarding the expert estimateS. © 2018 The Author(s).

Scopus,
Смотреть статью

Держатели документа:
Reshetnev Siberian State University of Science and Technology, 31 Krasnoyarsky rabochy av., Krasnoyarsk, 660037, Russian Federation
Institute of Computational Modeling of the Siberian Branch, Russian Academy of Sciences, 50/44 Akademgorodok, Krasnoyarsk, 660036, Russian Federation
Siberian Federal University, 79 Svobodny st., Krasnoyarsk, 660041, Russian Federation

Доп.точки доступа:
Zotin, A.; Simonov, K.; Kurako, M.; Hamad, Y.; Kirillova, S.

[Текст] : статья / Юсиф Ахмед Хамад [и др.] // Медицина и высокие технологии. - 2018. - № 3. - С. 5-13 . - ISSN 2306-3645
   Перевод заглавия: COMPUTATIONAL PROCESSING TECHNIQUE MEDICAL IMAGES USING WAVELET AND NEURAL NETWORKS

УДК

004.932

Аннотация: В статье представлен подход к диагностике опухоли молочной железы - вычислительная методика поэтапной классификации с использованием искусственной нейронной сети (машинное обучение) и выявление опухоли молочной железы для медицинской визуализации с помощью методов пороговой сегментации и метода нечеткой кластеризации С-средних.
This paper presents an innovative approach to the diagnosis of breast tumor - a computational methodology for stage classification using artificial neural network (learning machine) and to detect Breast Tumor through thresholding and fuzzy C-means clustering methods for medical imaging application.

РИНЦ

Держатели документа:
Институт вычислительного моделирования СО РАН
Институт космических и информационных технологий Сибирского федерального университета

Доп.точки доступа:
Хамад, Юсиф Ахмед; Hamad Yousif Ahmed; Кириллова, Светлана Владимировна; Kirillova Svetlana Vladimirovna; Курако, Михаил Александрович; Kurako Mikhail Aleksandrovich; Симонов, Константин Васильевич; Simonov Konstantin Vasilyevich

/ Y. A. Hamad, K. Simonov, M. B. Naeem // 2018 1ST ANNUAL INTERNATIONAL CONFERENCE ON INFORMATION AND SCIENCES : IEEE, 2018. - 1st Annual International Conference on Information and Sciences (AiCIS) (NOV 20-21, 2018, Univ Fallujah, Fallujah, IRAQ). - P45-50, DOI 10.1109/AiCIS.2018.00021. - Cited References:15 . - ISBN 978-1-5386-9188-5РУБ Engineering, Multidisciplinary + Multidisciplinary Sciences

Аннотация: Medical image processing is the most challenging and emerging field nowadays. Edge detection of MRI images is one of the most important elements of this field. This paper describes the proposed strategy to detect the edges of brain tumor from patient's MRI scan images of the brain. This method incorporates with some noise removal functions, followed by improvement features and gain better characteristics of medical images for a right diagnosis using BCET. The result of second stage is subjected to image segmentation by using Fuzzy c-Means (ECM) clustering method. Finally, canny edge detection method is applied to detect the fine edges. For the experimental study we used images containing brain tumors that were characterized by different location, type of pathology, shape, size and density, as well as the size of the area of the affected tissue near the tumor space. Detection and extraction of tumor from MRI scan images of the brain is done by using MATLAB software. The result of studies of the experimental material with usage of the proposed methodology demonstrates some resistivity to a noise. Also, an increase in the accuracy of solving the problems of geometric analysis and segmentation, in some cases of tumor pathology, was found to be up to 10-15% better relative to the corresponding expert estimates.

WOS,
Смотреть статью,
Scopus,
РИНЦ,
Источник статьи

Держатели документа:
Siberian Fed Univ, Inst Space & Informat Sci, Krasnoyarsk, Russia.
Russian Acad Sci, Siberian Branch, Inst Computat Modeling, Krasnoyarsk, Russia.
Al Maaref Univ Coll, Dept Comp Sci, Ramadi, Iraq.

Доп.точки доступа:
Hamad, Yousif A.; Simonov, Konstantin; Naeem, Mohammad B.

/ Y. A. Hamad, K. Simonov, M. B. Naeem // 2018 1ST ANNUAL INTERNATIONAL CONFERENCE ON INFORMATION AND SCIENCES : IEEE, 2018. - 1st Annual International Conference on Information and Sciences (AiCIS) (NOV 20-21, 2018, Univ Fallujah, Fallujah, IRAQ). - P51-57, DOI 10.1109/AiCIS.2018.00022. - Cited References:22 . - ISBN 978-1-5386-9188-5РУБ Engineering, Multidisciplinary + Multidisciplinary Sciences

Аннотация: Image processing techniques play an important role in the diagnostics and detection of diseases and monitoring the patients having these diseases. Breast Cancer detection of medical images is one of the most important elements of this field. Because of low contrast and ambiguous the structure of the tumor cells in breast images, it is still a challenging task to automatically segment the breast tumors. Our method presents an innovative approach to the diagnosis of breast tumor incorporates with some noise removal functions, followed by improvement features and gain better characteristics of medical images for a right diagnosis using balance contrast enhancement techniques (BCET). The results of second stage is subjected to image segmentation using Fuzzy c-Means (FCM) clustering method and Thresholding method to segment the out boundaries of the breast and to locate the Breast Tumor boundaries (shape, area, spatial sizes, etc.) in the images. The third stage feature extraction using Discrete Wavelet Transform (DWI). Finally the artificial neural network will be used to classify the stage of Breast Tumor that is benign, malignant or normal. The early detection of Breast tumor will improves the chances of survival for the patient Probabilistic Neural Network (PNN) with radial basis function will be employed to implement an automated breast tumor classification. The simulated results shown that classifier and segmentation algorithm provides better accuracy than previous method. Proper segmentation is mandatory for efficient feature extraction and classification.

WOS,
Смотреть статью,
Scopus,
РИНЦ,
Источник статьи

Держатели документа:
Siberian Fed Univ, Inst Space & Informat Sci, Krasnoyarsk, Russia.
Russian Acad Sci, Siberian Branch, Inst Computat Modeling, Krasnoyarsk, Russia.
Al Maaref Univ Coll, Dept Comp Sci, Ramadi, Iraq.

Доп.точки доступа:
Hamad, Yousif A.; Simonov, Konstantin; Naeem, Mohammad B.