Preview

Труды Института системного программирования РАН

Расширенный поиск

Разработка автоматизированных алгоритмов компьютерного зрения для обработки медицинских изображений

https://doi.org/10.15514/ISPRAS-2020-32(3)-11

Полный текст:

Аннотация

Текущая работа ориентирована на обработку медицинских изображений, полученных путем проведения патоморфологического анализа препарата. В частности, были рассмотрены алгоритмы обработки изображений ядер световой и конфокальной микроскопии и изображений тканей световой микроскопии. В работе доказана применимость предложенных алгоритмов и программного обеспечения для выявления патологий.

Об авторах

Даниэл Игоревич СЕРГЕЕВ
Санкт-Петербургский политехнический университет Петра Великого
Россия
Аспирант Института компьютерных наук и технологий


Александр Евгеньевич АНДРЕЕВ
НИИ акушерства, гинекологии и репродуктологии имени Д.О. Отта
Россия
Выпускник магистратуры СПбПУ, исследователь


Анна Олеговна ДРОБИНЦЕВА
St.Petersburg State Pediatric Medical University
Россия
Доцент, кандидат биологических наук, доцент кафедры медицинской биологии


Слободанка ЦЕНЕВСКА
Санкт-Петербургский политехнический университет Петра Великого
Россия
Студент магистратуры Института компьютерных наук и технологий


Никола КУКАВИЦА
Санкт-Петербургский политехнический университет Петра Великого
Россия
Студент магистратуры Института компьютерных наук и технологий


Павел Дмитриевич ДРОБИНЦЕВ
Санкт-Петербургский политехнический университет Петра Великого
Россия
Доцент, кандидат технических наук, директор Высшей школы программной инженерии Института компьютерных наук и технологий


Список литературы

1. Kuznets S.M., Panteleev V.G. The application the Hardware-Software Complex «VideoTesT – Morphology» for the differentiation of tumor cells. Clinic. N.1. 2011, pp. 122-123 (in Russian) / С.М. Кузнец, В.Г. Пантелеев. Использование аппаратно-программного комплекса «ВидеоТесТ – Морфология» для дифференциации опухолевых клеток. Поликлиника, no. 1, 2011 г., стр. 122-123.

2. ImageJ software homepage (2020). Available at https://imagej.net.

3. VideoTestMorphology software homepage (2020). Available at http://www.digitalimagingsystems.co.uk/pdfs/morpho_en.pdf.

4. IMAGE-PRO-Premium software homepage (2020). Available at https://www.mediacy.com/imagepro.

5. CellProfiler software homepage (2020). Available at https://cellprofiler.org.

6. OrbitImageAnalysis software homepage (2020). Available at https://www.orbit.bio.

7. AxioVision 4.8. software homepage (2020). Available at https://www.micro-shop.zeiss.com/en/us/system/software-axiovision+software-products/1007/.

8. CellSens software homepage (2020). Available at https://www.olympus-lifescience.com/en/software/cellsens/.

9. Berezsky O.N., Melnik G.N. Information technology for the analysis and synthesis of histological images in automated microscopy systems. Control systems and computers, no. 4, 2013, pp. 26-32 (in Russian) / О.Н. Березский, Г.Н. Мельник. Информационная технология анализа и синтеза гистологических изображений в системах автоматизированной микроскопии. Управляющие системы и машины, no. 4, 2013 г., стр. 26-32.

10. Carrarelli P., Rocha A. Increased expression of antimullerian hormone and its receptor in endometriosis. Fertility and sterility, vol. 101, no. 5, pp. 1353-1358.

11. Drobintseva A.O., Polyakova V.O., Masing D.S., Matyushkin L.B. Confocal microscopy. Role and importance in the study of the reproductive system. Tutorial. SPb., TsOP "Nevsky", 2015, .18 p. (in Russian) / А.О. Дробинцева, В.О. Полякова, Д.С. Мазинг, Матюшкин Л.Б. Конфокальная микроскопия. роль и значение в исследовании репродуктивной системы: учебное пособие. СПб., ЦОП «Невский», 2015 г., 18 стр.

12. Chen, S., Zhao, M., Wu, G., Yao, C., Zhang, J. Recent Advances in Morphological Cell Image Analysis. Computational and Mathematical Methods in Medicine, vol. 2012, Article ID 101536, 10 p.

13. Gurcan M. N., Boucheron L., Can A., Madabhushi A., Rajpoot N., & Yener B. Histopathological Image Analysis: A Review. IEEE Reviews in Biomedical Engineering, vol. 2, 2009, pp. 147–171.

14. Kovrigin A.V. Application of the principles of constructing machine vision systems in the task of analyzing images of cellular structures. Scientific journal of KubSAU, no. 29 (5), 2007, pp. 1-10 (in Russian) / Ковригин А.В. Применение принципов построения систем машинного зрения в задаче анализа изображений клеточных структур. Научный журнал Кубанского государственного аграрного университета, no. 29(5), 2007 г., стр. 1-10.

15. Xue Y., Ray N. (Cell Detection with Deep Convolutional Neural Network and Compressed Sensing. arXiv:1708.03307, 2007.

16. Falk, T., Mai, D., Bensch, R. et al. U-Net: deep learning for cell counting, detection, and morphometry. Nature Methods, vol. 16, 2019, pp. 67–70 (2019).

17. Sergreev D.I., Drobintseva A.O. et al. Biomedicine diagnostic repository. Source code of this paper. Available at https://github.com/densvr/biomedicine-diagnostic.


Для цитирования:


СЕРГЕЕВ Д.И., АНДРЕЕВ А.Е., ДРОБИНЦЕВА А.О., ЦЕНЕВСКА С., КУКАВИЦА Н., ДРОБИНЦЕВ П.Д. Разработка автоматизированных алгоритмов компьютерного зрения для обработки медицинских изображений. Труды Института системного программирования РАН. 2020;32(3):119-130. https://doi.org/10.15514/ISPRAS-2020-32(3)-11

For citation:


SERGEEV D.I., ANDREEV A.E., DROBINTSEVA A.O., CENEVSKA S., KUKAVITSA N., DROBINTSEV P.D. Development of automated computer vision methods for cell counting and endometrial gland detection for medical images processing. Proceedings of the Institute for System Programming of the RAS (Proceedings of ISP RAS). 2020;32(3):119-130. https://doi.org/10.15514/ISPRAS-2020-32(3)-11

Просмотров: 43


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2079-8156 (Print)
ISSN 2220-6426 (Online)