METHODS OF PREPROCESSING DIGITAL PHOTOS OF LYMPHOCYTES
Abstract
Purpose of the research. Choosing the method of preprocessing digital microphotographs of lymphocyte cells to improve the accuracy of automated assessment of the number of cells in the field of view. Materials and methods. In this work, digital micrographs of lymphocyte cells were used, which are in open databases openmicroscopy.org and openslide.org. The study was conducted using open source biomedical image analysis software QuPath and ImageJ. For automatic counting using image filtering, the contrast was changed in the ImageJ program and noise was removed from the micrograph. The main criterion for choosing the preprocessing method was the evaluation of the accuracy of the results obtained. Results. Digital micrographs (n=40) of lymphocyte cells with 10 fields in each were processed. Statistical processing of the results of automatic counting of the number of lymphocyte cells in the field of vision using various filtration methods and after manual counting was carried out. Conclusions. The use of filtering by the method of blurred masking increases the accuracy of estimating the number of lymphocyte cells in the field of view.
References
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.
