Все выпуски

В работе предлагается двумерная хемомеханическая модель роста инвазивной карциномы в ткани эпителия. Каждая клетка ткани представляет собой эластичный многоугольник, изменяющий свою форму и размеры под действием сил давления со стороны ткани. Средние размер и форма клеток были откалиброваны на основе экспериментальных данных. Модель позволяет описывать динамические деформации в ткани эпителия как коллективную эволюцию клеток, взаимодействующих посредством обмена механическими и химическими сигналами. Общее направление роста опухоли задается линейным градиентом концентрации питательного элемента. Рост и деформация ткани осуществляются за счет механизмов деления и интеркаляции клеток. В модели предполагается, что карцинома представляет собой гетерогенное образование, составленное из клеток с разным фенотипом, которые выполняют в опухоли различные функции. Основным параметром, определяющим фенотип клетки, является степень ее адгезии к примыкающей ткани. Выделено три основных фенотипа раковых клеток: эпителиальный (Э) фенотип представлен внутренними клетками опухоли, мезенхимальный (М) фенотип представлен одиночными клетками, промежуточный фенотип представлен фронтальными клетками опухоли. При этом в модели предполагается, что фенотип каждой клетки при определенных условиях может динамически меняться за счет эпителиально-мезенхимального (ЭМ) и обратного к нему (МЭ) переходов. Для здоровых клеток выделен основной Э-фенотип, который представлен обычными клетками с сильной адгезией друг к другу. Предполагается, что здоровые клетки, которые примыкают к опухоли, под воздействием последней испытывают вынужденный ЭМ-переход и образуют М-фенотип здоровых клеток. Численное моделирование показало, что в зависимости от значений управляющих параметров, а также комбинации возможных фенотипов здоровых и раковых клеток эволюция опухоли может приводить к разнообразным структурам, отражающим самоорганизацию клеток опухоли. Проводится сравнение структур, полученных в численном эксперименте, с морфологическими структурами, ранее выявленными в клинических исследованиях карциномы молочной железы: трабекулярной, солидной, тубулярной и альвеолярной структурами, а также дискретными клетками с амебоидным поведением. Обсуждается возможный сценарий морфогенеза и типа инвазивного поведения для каждой структуры. Описан процесс метастазирования, при котором одиночная раковая клетка амебоидного фенотипа, перемещающаяся за счет интеркаляций в ткани здорового эпителия, делится и испытывает МЭ-переход с появлением вторичной опухоли.

In this paper, we proposed a two-dimensional chemo-mechanical model of the growth of invasive carcinoma in epithelial tissue. Each cell is modeled by an elastic polygon, changing its shape and size under the influence of pressure forces acting from the tissue. The average size and shape of the cells have been calibrated on the basis of experimental data. The model allows to describe the dynamic deformations in epithelial tissue as a collective evolution of cells interacting through the exchange of mechanical and chemical signals. The general direction of tumor growth is controlled by a pre-established linear gradient of nutrient concentration. Growth and deformation of the tissue occurs due to the mechanisms of cell division and intercalation. We assume that carcinoma has a heterogeneous structure made up of cells of different phenotypes that perform various functions in the tumor. The main parameter that determines the phenotype of a cell is the degree of its adhesion to the adjacent cells. Three main phenotypes of cancer cells are distinguished: the epithelial (E) phenotype is represented by internal tumor cells, the mesenchymal (M) phenotype is represented by single cells and the intermediate phenotype is represented by the frontal tumor cells. We assume also that the phenotype of each cell under certain conditions can change dynamically due to epithelial-mesenchymal (EM) and inverse (ME) transitions. As for normal cells, we define the main E-phenotype, which is represented by ordinary cells with strong adhesion to each other. In addition, the normal cells that are adjacent to the tumor undergo a forced EM-transition and form an M-phenotype of healthy cells. Numerical simulations have shown that, depending on the values of the control parameters as well as a combination of possible phenotypes of healthy and cancer cells, the evolution of the tumor can result in a variety of cancer structures reflecting the self-organization of tumor cells of different phenotypes. We compare the structures obtained numerically with the morphological structures revealed in clinical studies of breast carcinoma: trabecular, solid, tubular, alveolar and discrete tumor structures with ameboid migration. The possible scenario of morphogenesis for each structure is discussed. We describe also the metastatic process during which a single cancer cell of ameboid phenotype moves due to intercalation in healthy epithelial tissue, then divides and undergoes a ME transition with the appearance of a secondary tumor.

В исследовании мы сосредоточились на задаче классификации невербальной речи для разработки интерфейса «мозг–компьютер» (ИМК) на основе электроэнцефалографии (ЭЭГ), который будет способен помочь людям с ограниченными возможностями и расширить возможности человека в повседневной жизни. Ранее наши исследования показали, что беззвучная речь для некоторых слов приводит к почти идентичным распределениям ЭЭГ-данных. Это явление негативно влияет на точность классификации нейросетевой модели. В этой статье предлагается метод обработки данных, который различает статисти- чески удаленные и неразделимые классы данных. Применение предложенного подхода позволяет достичь цели максимального увеличения смысловой нагрузки словаря, используемого в ИМК.

Кроме того, мы предлагаем статистический прогностический критерий точности бинарной классификации слов в словаре. Такой критерий направлен на оценку нижней и верхней границ поведения классификаторов только путем измерения количественных статистических свойств данных (в частности, с использованием метода Колмогорова – Смирнова). Показано, что более высокие уровни точности классификации могут быть достигнуты за счет применения предложенного прогностического критерия, позволяющего сформировать оптимизированный словарь с точки зрения семантической нагрузки для ИМК на основе ЭЭГ. Кроме того, использование такого обучающего набора данных для задач классификации по словарю обеспечивает статистическую удаленность классов за счет учета семантических и фонетических свойств соответствующих слов и улучшает поведение классификации моделей распознавания беззвучной речи.

In our research, we focus on the problem of classification for silent speech recognition to develop a brain– computer interface (BCI) based on electroencephalographic (EEG) data, which will be capable of assisting people with mental and physical disabilities and expanding human capabilities in everyday life. Our previous research has shown that the silent pronouncing of some words results in almost identical distributions of electroencephalographic signal data. Such a phenomenon has a suppressive impact on the quality of neural network model behavior. This paper proposes a data processing technique that distinguishes between statistically remote and inseparable classes in the dataset. Applying the proposed approach helps us reach the goal of maximizing the semantic load of the dictionary used in BCI.

Furthermore, we propose the existence of a statistical predictive criterion for the accuracy of binary classification of the words in a dictionary. Such a criterion aims to estimate the lower and the upper bounds of classifiers’ behavior only by measuring quantitative statistical properties of the data (in particular, using the Kolmogorov – Smirnov method). We show that higher levels of classification accuracy can be achieved by means of applying the proposed predictive criterion, making it possible to form an optimized dictionary in terms of semantic load for the EEG-based BCIs. Furthermore, using such a dictionary as a training dataset for classification problems grants the statistical remoteness of the classes by taking into account the semantic and phonetic properties of the corresponding words and improves the classification behavior of silent speech recognition models.

Хемотаксис играет важную роль в процессах морфогенеза и структурообразования в живой природе. Этим свойством обладают как одноклеточные организмы, так и отдельные клетки многоклеточных организмов. Эксперименты in vitro показывают, что многие типы опухолевых клеток, особенно метастатически активные, также обладают хемотаксисом. Существует целый ряд работ по моделированию роста и инвазии опухоли, использующих модель Келлера-Сигела для учета хемотаксиса. Однако аккуратный учет этого типа подвижности затруднен отсутствием сколько-нибудь надежных количественных оценок параметров хемотаксического члена. С помощью двумерной математической модели роста и инвазии опухоли, учитывающей только случайную подвижность клеток и конвективные потоки внутри плотной ткани, мы показали, что за счет конкуренции возможен рост опухоли в направлении источников питательных веществ (сосудов) в отсутствии хемотаксиса.

Chemotaxis plays an important role in morphogenesis and processes of structure formation in nature. Both unicellular organisms and single cells in tissue demonstrate this property. In vitro experiments show that many types of transformed cell, especially metastatic competent, are capable for directed motion in response usually to chemical signal. There is a number of theoretical papers on mathematical modeling of tumour growth and invasion using Keller-Segel model for the chemotactic motility of cancer cells. One of the crucial questions for using the chemotactic term in modelling of tumour growth is a lack of reliable quantitative estimation of its parameters. The 2-D mathematical model of tumour growth and invasion, which takes into account only random cell motility and convective fluxes in compact tissue, has showed that due to competitive mechanism tumour can grow toward sources of nutrients in absence of chemotactic cell motility.

В данной статье осуществляется сравнение эффективности некоторых современных методов и практик стохастической оптимизации применительно к задаче цифрового предыскажения сигнала (DPD), которое является важной составляющей процесса обработки сигнала на базовых станциях, обеспечивающих беспроводную связь. В частности, рассматривается два круга вопросов о возможностях применения стохастических методов для обучения моделей класса Винера – Гаммерштейна в рамках подхода минимизации эмпирического риска: касательно улучшения глубины и скорости сходимости данного метода оптимизации и относительно близости самой постановки задачи (выбранной модели симуляции) к наблюдаемому в действительности поведению устройства. Так, в первой части этого исследования внимание будет сосредоточено на вопросе о нахождении наиболее эффективного метода оптимизации и дополнительных к нему модификаций. Во второй части предлагается новая квази-онлайн-постановка задачи и, соответственно, среда для тестирования эффективности методов, благодаря которым результаты численного моделирования удается привести в соответствие с поведением реального прототипа устройства DPD. В рамках этой новой постановки далее осуществляется повторное тестирование некоторых избранных практик, более подробно рассмотренных в первой части исследования, и также обнаруживаются и подчеркиваются преимущества нового лидирующего метода оптимизации, оказывающегося теперь также наиболее эффективным и в практических тестах. Для конкретной рассмотренной модели максимально достигнутое улучшение глубины сходимости составило 7% в стандартном режиме и 5% в онлайн-постановке (при том что метрика сама по себе имеет логарифмическую шкалу). Также благодаря дополнительным техникам оказывается возможным сократить время обучения модели DPD вдвое, сохранив улучшение глубины сходимости на 3% и 6% для стандартного и онлайн-режимов соответственно. Все сравнения производятся с методом оптимизации Adam, который был отмечен как лучший стохастический метод для задачи DPD из рассматриваемых в предшествующей работе [Pasechnyuk et al., 2021], и с методом оптимизации Adamax, который оказывается наиболее эффективным в предлагаемом онлайн-режиме.

In this paper, we test the performance of some modern stochastic optimization methods and practices with respect to the digital pre-distortion problem, which is a valuable part of processing signal on base stations providing wireless communication. In the first part of our study, we focus on the search for the best performing method and its proper modifications. In the second part, we propose the new, quasi-online, testing framework that allows us to fit our modeling results with the behavior of real-life DPD prototype, retest some selected of practices considered in the previous section and approve the advantages of the method appearing to be the best under real-life conditions. For the used model, the maximum achieved improvement in depth is 7% in the standard regime and 5% in the online regime (metric itself is of logarithmic scale). We also achieve a halving of the working time preserving 3% and 6% improvement in depth for the standard and online regime, respectively. All comparisons are made to the Adam method, which was highlighted as the best stochastic method for DPD problem in [Pasechnyuk et al., 2021], and to the Adamax method, which is the best in the proposed online regime.