Алгоритм поиска точного контура ядер клеток на снимках клеток буккального эпителия

В статье разработан алгоритм поиска точного контура ядер клеток на снимках клеток буккального эпителия, окрашенных по Гимзе. Снимки клеток получены на микроскопе Carl Zeiss Primo Star 415500-011с 1000-кратным увеличением. Алгоритм разработан на языке Python 3.11 c использованием библиотеки компьютерного зрения OpenCV. Алгоритм состоит из двух этапов. На первом этапе идет поиск границ ядра клетки, выделение ядра в прямоугольную область и сохранение ее в отдельный файл формата jpg. На втором этапе в сохраненном файле с ядром клетки проводится уточнение границ ядра клетки с наложением маски на изображение ядра клетки по уточненным контурам. Изображения ядер клеток с уточненными контурами сохраняются в отдельных файлах в формате jpg. Полученные изображения ядер клеток с наложенной маской могут быть использованы для исследования морфологии ядра клетки, в том числе и с целью поиска маркеров скорости старения. Алгоритм может быть использован не только для получения файлов с изображением ядра клетки, но и может быть встроен в алгоритм анализа морфологии ядра клетки, использован для поиска новых маркеров, например, процесса возрастной инволюции клетки и организма в целом в геронтологических исследованиях.

1. Арешидзе Д.А. Механизмы поддержания и изменений формы и размеров клеточного ядра (обзор). Морфологические ведомости. 2022;30(3):73–80. https://doi.org/10.20340/mv-mn.2022.30(3).670

2. Chen Sh., Zhao M., Wu G., Yao Ch., Zhang J. Recent Advances in Morphological Cell Image Analysis. Computational and Mathematical Methods in Medicine. 2012;2012. https://doi.org/10.1155/2012/101536

3. Liu Ch., Shang F., Ozolek J.A., Rohde G.K. Detecting and segmenting cell nuclei in two‑dimensional microscopy images. Journal of Pathology Informatics. 2016;7(1). https://doi.org/10.4103/2153-3539.192810

4. Лукашевич М.М., Старовойтов В.В. Методика подсчета числа ядер клеток на медицинских гистологических изображениях. Системный анализ и прикладная информатика. 2016;(2):37–42.

5. Астахов А.С., Бумагин В.В. Анализ эффективности алгоритмов обработки изображений для выделения микрообъектов на гистологических срезах. Инженерный вестник Дона. 2017;(4). http://www.ivdon.ru/ru/magazine/archive/n4y2017/4515

6. Otsu N. A Threshold Selection Method from Gray-Level Histograms. IEEE Transactions on Systems, Man, and Cybernetics. 1979;9(1):62–66. https://doi.org/10.1109/TSMC.1979.4310076

7. Duda R.O., Hart P.E. Pattern Classification and Scene Analysis. New York: Wiley; 1973. 482 p.

8. Arfken G.B. Mathematical Methods for Physicists. San Diego: Academic Press; 1985. 985 p.

9. Canny J. A Computational Approach to Edge Detection. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1986;PAMI-8(6):679–698. https://doi.org/10.1109/TPAMI.1986.4767851

10. Мякотных В.С., Харитонова М.П., Сиденкова А.П., Мещанинов В.Н. Оценка состояния полости рта в ранней диагностике когнитивного дефицита. Проблемы стоматологии. 2022;18(2):173–180. https://doi.org/10.18481/2077-7566-2022-18-2-173-180

11. Базарный В.В., Мандра Ю.В., Сиденкова А.П. и др. Возрастные особенности буккального эпителия практически здоровых людей. Клиническая лабораторная диагностика. 2022;67(6):345–349. https://doi.org/10.51620/0869-2084-2022-67-6-345-349