МОРФОМЕТРИЧНІ КРИТЕРІЇ ОЦІНКИ МАСОВОГО ЕФЕКТУ ПРИ ВНУТРІШНЬОЧЕРЕПНИХ УТВОРЕННЯХ, ЩО ЗАЙМАЮТЬ ПРОСТІР, НА ОСНОВІ ДАНИХ МАГНІТНО-РЕЗОНАНСНОЇ ТОМОГРАФІЇ

Автор(и)

DOI:

https://doi.org/10.24061/2413-4260.XVI.1.59.2026.20

Ключові слова:

масивний ефект; морфометрія; мозок; об’ємні ураження; МРТ; нейровізуалізація.

Анотація

Внутрішньочерепні об'ємні утворення супроводжуються розвитком масивного ефекту, що проявляється зміщенням структур середньої лінії, деформацією кори головного мозку, компресією шлуночкової системи та порушенням динаміки спинномозкової рідини. Незважаючи на широке застосування магнітно-резонансної томографії (МРТ), кількісні морфометричні критерії для оцінки тяжкості масивного ефекту залишаються недостатньо стандартизованими.

Мета дослідження. Визначити та систематизувати морфометричні параметри, що дозволяють об’єктивно оцінити ступінь масивного ефекту при внутрішньочерепних об’ємних утвореннях на основі даних МРТ.

Матеріали та методи. Проведено ретроспективне дослідження МРТ головного мозку у пацієнтів з внутрішньочерепними об’ємними ураженнями. Аналіз включав вимірювання зміщення середньої лінії, об’єму ураження, об’єму перифокального набряку, розмірів та індексів шлуночкової системи (включно з індексом Еванса), ступеня деформації субарахноїдального простору та асиметрії півкуль. Морфометричний аналіз проводили з використанням 3D-зображень з T1-зважуванням та методів автоматизованої сегментації. Усі процедури проводилися відповідно до Гельсінської декларації Всесвітньої медичної асоціації (поправка 2000 року). Статистичний аналіз проводили за допомогою SPSS версії 22.0 та MedCalc. Нормальність розподілу даних оцінювали за допомогою тесту Шапіро–Вілка. Міжгрупові порівняння проводили за допомогою U-критерію Манна–Уїтні, t-критерію Стьюдента, критерію хі-квадрат Пірсона та кореляційного аналізу Спірмена. Прогностичну ефективність оцінювали за допомогою аналізу ROC-кривої з розрахунком площі під кривою (AUC). Статистичну значущість визначали при p < 0,05. Дослідження проводилося в Бухарському державному медичному інституті в рамках інституційного дослідження під назвою «Розробка нових підходів до раннього виявлення, лікування та профілактики патологічних станів, що впливають на здоров’я населення Бухарської області в післяпандемічний період COVID-19 (2022–2026 рр.)».

Результати. Встановлено, що тяжкість масивного ефекту суттєво корелює з об’ємом вогнища та об’ємом перифокального набряку. Найчутливішими морфометричними параметрами були величина зміщення середньої лінії (> 5 мм), ступінь компресії шлуночкової системи та асиметрія півкуль. Комплексна оцінка декількох параметрів підвищує об’єктивність діагнозу та дозволяє стратифікувати тяжкість захворювання.

Висновок. Кількісна МР-морфометрія є інформативним та відтворюваним методом оцінки масивного ефекту при внутрішньочерепних об’ємних ураженнях. Стандартизація морфометричних критеріїв може сприяти підвищенню точності передопераційної оцінки та оптимізації стратегії лікування.

Посилання

Tellez D, Litjens G, Bándi P, Bulten W, Bokhorst JM, Ciompi F, et al. Quantifying the effects of data augmentation and stain color normalization in convolutional neural networks for computational pathology. Med Image Anal. 2019;58:101544. DOI: http://doi.org/10.1016/j.media.2019.101544
|

Efron B, Tibshirani RJ. An Introduction to the Bootstrap. Boca Raton (FL): CRC Press; 1994. 456 p. DOI: http://doi.org/10.1201/9780429246593

Iizuka O, Kanavati F, Kato K, Rambeau M, Arihiro K, Tsuneki M. Deep Learning Models for Histopathological Classification of Gastric and Colonic Epithelial Tumours. Sci Rep. 2020;10(1):1504. DOI: http://doi.org/10.1038/s41598-020-58467-9
|

Adel Fahmideh M, Scheurer ME. Pediatric Brain Tumors: Descriptive Epidemiology, Risk Factors, and Future Directions. Cancer Epidemiol Biomarkers Prev. 2021;30(5):813-21. DOI: http://doi.org/10.1158/1055-9965.EPI-20-1443
|

Cole BL. Neuropathology of Pediatric Brain Tumors: A Concise Review. Neurosurgery. 2022;90(1):7-15. DOI: http://doi.org/10.1093/neuros/nyab182
|

Niazi MKK, Parwani AV, Gurcan MN. Digital pathology and artificial intelligence. Lancet Oncol. 2019;20(5):e253-61. DOI: http://doi.org/10.1016/S1470-2045(19)30154-8
|

Echle A, Rindtorff NT, Brinker TJ, Luedde T, Pearson AT, Kather JN. Deep learning in cancer pathology: a new generation of clinical biomarkers. Br J Cancer. 2021;124(4):686-96. DOI: http://doi.org/10.1038/s41416-020-01122-x
|

Davlatov S, Navruzov R, Sanoyeva M, Xudoykulov D, Gaziev K. Case of laparoscopic treatment recurrent obturator hernia. In: Global Summit on Life Sciences and Bio-Innovation: From Agriculture to Biomedicine (GLSBIA 2024). BIO Web Conf. [Internet]. 2024[cited 2025 Dec 29];121:04003. 7p. Available from: https://www.bio-conferences.org/articles/bioconf/abs/2024/40/bioconf_glsbia2024_04003/bioconf_glsbia2024_04003.html DOI: http://doi.org/10.1051/bioconf/202412104003

Davlatov S, Rakhmanov K, Usarov S, Yuldoshev F, Xudaynazarov U, Tuxtayev J. Inguinal hernia: modern aspects of etiopathogenesis and treatment. International Journal of Pharmaceutical Research. 2020;Suppl 2:338. DOI: http://doi.org/10.31838/ijpr/2020.SP2.338

Wang X, Yang S, Zhang J, Wang M, Zhang J, Yang W, et al. Transformer-based unsupervised contrastive learning for histopathological image classification. Med Image Anal. 2022;81:102559. DOI: http://doi.org/10.1016/j.media.2022.102559
|

Bengs M, Bockmayr M, Schüller U, Schlaefer A. Medulloblastoma tumor classification using deep transfer learning with multi-scale Efficient Nets. In: Digital and Computational Pathology [Internet]. 2021 Feb 15-20; United States. SPIE; 2021[cited 2026 Jan 17];116030D. 6p. Available from: https://www.spiedigitallibrary.org/conference-proceedings-of-spie/11603/2580717/Medulloblastoma-tumor-classification-using-deep-transfer-learning-with-multi-scale/10.1117/12.2580717.full DOI: http://doi.org/10.1117/12.2580717

Osborn AG, Hedlund GL, Salzman KL. Osborn’s Brain: Imaging, Pathology, and Anatomy. 2nd ed. Philadelphia (PA): Elsevier; 2017. 1300 p.

Navruzov R, Ismoilov J, Bahadirkhanov M, Almatova U, Djuraev J, Mikhiddinov A, et al. Analysis and prediction of different stages of brain tumor from MRI using AI models. Health Leadership and Quality of Life. 2024;(3):12. DOI: http://doi.org/10.56294/hl2024.188

Ezzidi A, Fakhir B, Aboulfalah A, Asmouki H, Soummani A. Prenatal Diagnosis and Optimal Management of Occipital Encephalocele: A Report of Four Cases and Literature Review. Sch Int J Obstet Gynec. 2025;8(5):186-93. DOI: https://doi.org/10.36348/sijog.2025.v08i05.008

Zhou J, Enewold L, Stojadinovic A, Clifton GT, Potter JF, Peoples GE, et al. Incidence rates of exocrine and endocrine pancreatic cancers in the United States. Cancer Causes Control. 2010;21(6):853-61. DOI: http://doi.org/10.1007/s10552-010-9512-y
|

Raymond E, Dahan L, Raoul JL, Bang YJ, Borbath I, Lombard-Bohas C, et al. Sunitinib malate for the treatment of pancreatic neuroendocrine tumors. N Engl J Med. 2011;364(6):501-13. DOI: http://doi.org/10.1056/NEJMoa1003825
|

Timmerman R, Paulus R, Galvin J, Michalski J, Straube W, Bradley J, et al. Stereotactic body radiation therapy for inoperable early stage lung cancer. JAMA. 2010;303(11):1070-6. DOI: http://doi.org/10.1001/jama.2010.261
|

Jemal A, Fedewa SA. Lung Cancer Screening With Low-Dose Computed Tomography in the United States-2010 to 2015. JAMA Oncol. 2017;3(9):1278-81. DOI: http://doi.org/10.1001/jamaoncol.2016.6416
|

Tait SD, Ren Y, Horton CC, Oshima SM, Thomas SM, Wright S, et al. Characterizing participants in the North Carolina Breast and Cervical Cancer Control Program: A retrospective review of 90,000 women. Cancer. 2021;127(14):2515-24. DOI: http://doi.org/10.1002/cncr.33473
|

Darrow DP. Focused Ultrasound for Neuromodulation. Neurotherapeutics. 2019;16(1):88-99. DOI: http://doi.org/10.1007/s13311-018-00691-3
|

Chaudhuri A, Pragya Ghosh NS. Role of Conventional MRI with MR Spectroscopy in Evaluation of Intracranial Space Occupying Lesions. European Journal of Cardiovascular Medicine. 2025;15(8):884-92. DOI : http://doi.org/10.61336/ejcm/25-08-161

Panda AK, Sadhashivam S, Arora RK, Mittal RS, Saxena S, Nandolia K. Magnetic Resonance Imaging–Based Morphometric Analysis of the Tentorial Notch in a North Indian Population: A Descriptive Anatomical Study. Indian Journal of Neurosurgery. 2025. DOI: http://doi.org/10.1055/s-0045-1811656

Fiala G, Plass M, Harb R, Regitnig P, Skok K, Al Zoughbi W, et al. From slides to AI-ready maps: Standardized multi-layer tissue maps as metadata for artificial intelligence in digital pathology. Artificial Intelligence in Medicine. 2026;174:103368. DOI: https://doi.org/10.1016/j.artmed.2026.103368
|

Sansby E, Driver CJ, Borland K, Schofield I, Michou J. The sedative effect of intravenous butorphanol in dogs with intracranial space occupying lesions or indicators of intracranial hypertension. Veterinary Anaesthesia and Analgesia. 2025;52(1):61-7. DOI: https://doi.org/10.1016/j.vaa.2024.11.006
|

Das D, Mahanta LB, Ahmed S, Baishya BK, Haque I. Study on Contribution of Biological Interpretable and Computer-Aided Features Towards the Classification of Childhood Medulloblastoma Cells. J Med Syst. 2018;42(8):151. DOI: http://doi.org/10.1007/s10916-018-1008-4
|

Das D, Mahanta LB, Ahmed S, Baishya BK. Classification of childhood medulloblastoma into WHO-defined multiple subtypes based on textural analysis. J Microsc. 2020;279(1):26-38. DOI: http://doi.org/10.1111/jmi.12893
|

Phan HTH, Kumar A, Kim J, Feng D. Transfer learning of a convolutional neural network for HEp-2 cell image classification [Internet]. In: 2016 IEEE 13th International Symposium on Biomedical Imaging (ISBI); 2016 Apr 13-16; Prague. Prague: IEEE; 2016[cited 2026 Feb 7]. p.1208-11. Available from: http://ieeexplore.ieee.org/document/7493483/. DOI: http://doi.org/10.1109/ISBI.2016.7493483
|

Gertych A, Swiderska-Chadaj Z, Ma Z, Ing N, Markiewicz T, Cierniak S, et al. Convolutional neural networks can accurately distinguish four histologic growth patterns of lung adenocarcinoma in digital slides. Sci Rep. 2019;9(1):1483. DOI: http://doi.org/10.1038/s41598-018-37638-9
|

Narayanan BN, Krishnaraja V, Ali R. Convolutional neural network for classification of histopathology images for breast cancer detection [Internet]. In: NAECON 2019 - IEEE National Aerospace and Electronics Conference; 2019 Jul 15-19; Dayton. Dayton: IEEE; 2019[cited 2026 Feb 8]. p. 291–5. Available from: https://ieeexplore.ieee.org/xpl/mostRecentIssue.jsp?punumber=9035665 DOI: http://doi.org/10.1109/NAECON46414.2019

Ehteshami Bejnordi B, Veta M, Johannes van Diest P, van Ginneken B, Karssemeijer N, Litjens G, et al. Diagnostic Assessment of Deep Learning Algorithms for Detection of Lymph Node Metastases in Women With Breast Cancer. JAMA. 2017;318(22):2199-210. DOI: http://doi.org/10.1001/jama.2017.14585
|

Yu CY, Chung MC, Chen YJ, Wang HW, Zhou JX, Chen SL, Chen KT, Shih TT. Analysis of Upper Airway Morphology Using Four‐Dimensional Dynamic MRI With Active Deep Learning‐Based Automatic Segmentation. Journal of Magnetic Resonance Imaging. 2026.14p. DOI: https://doi.org/10.1002/jmri.70237
|

##submission.downloads##

Опубліковано

2026-03-27

Як цитувати

Наврузов, Р., Тешаєв, Ш., Юсупалієва, Г., & Сайдуллаєв, З. (2026). МОРФОМЕТРИЧНІ КРИТЕРІЇ ОЦІНКИ МАСОВОГО ЕФЕКТУ ПРИ ВНУТРІШНЬОЧЕРЕПНИХ УТВОРЕННЯХ, ЩО ЗАЙМАЮТЬ ПРОСТІР, НА ОСНОВІ ДАНИХ МАГНІТНО-РЕЗОНАНСНОЇ ТОМОГРАФІЇ. Неонатологія, хірургія та перинатальна медицина, 16(1(59), 150–156. https://doi.org/10.24061/2413-4260.XVI.1.59.2026.20

Номер

Том 16 № 1(59) (2026): НЕОНАТОЛОГІЯ, ХІРУРГІЯ ТА ПЕРИНАТАЛЬНА МЕДИЦИНА

Розділ

Статті

Ліцензія

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

    1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
    2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
    3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).

 

Критерії авторського права, форми участі та авторства

Кожен автор повинен був взяти участь в роботі, щоб взяти на себе відповідальність за відповідні частини змісту статті. Один або кілька авторів повинні нести відповідальність в цілому за поданий для публікації матеріал - від моменту подачі до публікації статті. Авторитарний кредит повинен грунтуватися на наступному:

  • істотність частини вклада в концепцію і дизайн, отри-мання даних або в аналіз і інтерпретацію результатів дослідження;
  • написання статті або критичний розгляд важливості її інтелектуального змісту;
  • остаточне твердження версії статті для публікації.

Автори також повинні підтвердити, що рукопис є дійсним викладенням матеріалів роботи і що ні цей рукопис, ні інші, які мають по суті аналогічний контент під їх авторством, не були опубліковані та не розглядаються для публікації в інших виданнях.

Автори рукописів, що повідомляють вихідні дані або систематичні огляди, повинні надавати доступ до заяви даних щонайменше від одного автора, частіше основного. Якщо потрібно, автори повинні бути готові надати дані і повинні бути готові в повній мірі співпрацювати в отриманні та наданні даних, на підставі яких проводиться оцінка та рецензування рукописи редактором / членами редколегії журналу.

Роль відповідального учасника.

Основний автор (або призначений відповідальний автор) буде виступати від імені всіх співавторів статті в якості основного кореспондента при листуванні з редакцією під час процесу її подання та розгляду. Якщо рукопис буде прийнята, відповідальний автор перегляне відредагований машинописний текст і зауваження рецензентів, прийме остаточне рішення щодо корекції і можливості публікації представленої рукописи в засобах масової інформації, федеральних агентствах і базах даних. Він також буде ідентифікований як відповідальний автор в опублікованій статті. Відповідальний автор несе відповідальність за подтверждленіе остаточного варіанта рукопису. Відповідальний автор несе також відповідальність за те, щоб інформація про конфлікти інтересів, була точною, актуальною і відповідала даним, наданим кожним співавтором.Відповідальний автор повинен підписати форму авторства, що підтверджує, що всі особи, які внесли істотний внесок, ідентифіковані як автори і що отримано письмовий дозвіл від кожного учасника щодо публікації представленої рукописи.