МЕТОДЫ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ЦИФРОВЫХ ФОТОГРАФИЙ ЛИМФОЦИТОВ
Аннотация
Цель исследования. Выбор метода предобработки цифровых микрофотографий лимфоцитов для повышения точности автоматизированной оценки количества клеток в поле зрения. Материалы и методы. В данной работе были использованы цифровые микрофотографии лимфоцитов, находящиеся в открытых базах данных openmicroscopy.org и openslide.org. Исследование проводилось с помощью открытого программного обеспечения для анализа биомедицинских изображений QuPath и ImageJ. Для автоматического подсчета с помощью фильтрации изображения в программе ImageJ менялась контрастность и удалялись шумы из микрофотографии. Основным критерием выбора метода предобработки являлась оценка точности полученных результатов. Результаты. Обработаны цифровые микрофотографии (n=40) лимфоцитов с количеством полей 10 в каждой. Проведена статистическая обработка результатов подсчета количества лимфоцитов в поле зрения с применением различных методов фильтрации при автоматическом и ручном подсчетах. Выводы. Применение фильтрации методом нерезкого маскирования увеличивает точность оценки количества лимфоцитов в поле зрения.
Литература
Дементьев Н.А., Тихомирова А.А., Дохов М.А., Стернин В.Е. Обоснование подходов к компьютерному распознаванию гистологических структур. Children’s Medicine of the North-West. 2021; 9(1): 125–6.
Ходкевич И.А., Бояркин С.Е. Предобработка медицинских изображений. Сборник избранных статей научной сессии ТУСУР. 2021; 1(1): 77–80.
Батищев Д.С. Метрики качества медицинских изображений. Научный результат. Информационные технологии. 2019; 4(3).
Анисимов Б.В. Распознавание и цифровая обработка изображений. М.: Высш. Школа; 1983.
Виллевальде А.Ю., Юлдашев 3.М. Метод предварительной обработки медицинских малоконтрастных изображений. Информационно-управляющие системы. 2008; 5(36): 41–4.
Яне Б. Цифровая обработка изображений. М.: Техносфера; 2007.
Дороничева А.В., Савин С.З. Методы распознавания медицинских изображений для задач компьютерной автоматизированной диагностики. Современные проблемы науки и образования. 2014; 4.
Автандилов Г.Г. Медицинская морфометрия. Руководство. М.: Медицина; 1990.
Автандилов Г.Г. Морфометрия в развитии доказательной патологической анатомии. Материалы II Московской региональной научно-практической конференции (c международным участием). Цитоморфометрия в медицине и биологии: фундаментальные и прикладные аспекты. М.; 2009: 3–6.6.
Шагалова П.А., Ерофеева А.Д., Орлова М.М. и др. Исследование алгоритмов предобработки изображений для повышения эффективности распознавания медицинских снимков. Нижний Новгород: Труды НГТУ им. Р.Е. Алексеева. 2020: 25–31.
Электронный каталог. The Open Microscopy Environment. Электронный ресурс. https://https://www.openmicroscopy.org/
Электронный каталог Openslide. Электронный ресурс. https://https://www. openslide.org/
Черный С.А. Частотные и пространственные методы цифровой фильтрации изображений. Молодежный научно-технический вестник. МГТУ им. Н.Э. Баумана. Электронный журнал. 2012; 5: 1–7.
Каныгина А.А. Сравнение эффективности нелинейных методов фильтрации медицинских изображений. КАРДИО-ИТ. 2017; 1(4): 101.
Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера; 2006.
Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде Matlab. М.: Техносфера; 2006.
Бирюков Е.Д. Использование медианного фильтра в системе обработки изображений реалистичной компьютерной графики. Новые информационные технологии в автоматизированных системах. 2014; 17: 216–20.
Гельман В.Я., Тихомирова А.А., Дохов М.А. Электронные таблицы MS Excel в практической деятельности специалиста здравоохранения. Учебно-методическое пособие. СПб.: СПбГПМУ; 2020. EDN LCYXPX.
