Экспериментальное исследование влияния фокусировки оптической системы микроскопа на текстурные характеристики изображений ядер клеток костного мозга

Рассматриваемая работа относится к направлению автоматизации медицинской диагностики с применением компьютерной микроскопии. Исследуется влияние фокусировки микроскопа на текстурные характеристики изображений в системе компьютерной микроскопии при решении диагностических задач в онкоморфологии для распознавания злокачественных опухолей. Особую важность указанные вопросы имеют при решении задачи анализа изображений слабоконтрастных объектов - хроматина ядра клеток костного мозга в процессе диагностики опасных онкологических заболеваний системы крови – острых лейкозов. В ходе проведенного эксперимента в качестве исследуемых образцов использовались препараты костного мозга пациентов с острым лимфобластным лейкозом. Препараты предоставлены Лабораторией иммунологии гемопоэза Национального медицинского исследовательского центра онкологии им. Н.Н. Блохина. По результатам эксперимента среди рассмотренных характеристик изображений структуры хроматина ядер клеток костного мозга выявлена высокая чувствительность к фокусировке оптической системы микроскопа текстурной характеристики «момент инерции» красной компоненты R цветовой модели RGB. Приведены практические рекомендации для разработчиков автоматизированных систем по использованию аппарата текстурного анализа в процессе проектирования систем диагностики онкологических заболеваний, основанных на микроскопических методах исследования образцов биологических материалов.

1. Nair P.A., Roy R.M. Automated Detection of Leukaemia Based on Microscopic Images- A Review. International Journal of Innovative Science and Research Technology. 2017;2(12):290-293(на англ).

2. Amin M.M., Kermani S., Talebi A., Oghli M.G. Recognition of acute lymphoblastic leukemia cells in microscopic images using K-means clustering and support vector machine classifier. Journal of medical signals and sensors. 2015;5(1):49-58(на англ).

3. Nikitaev V.G., Nagornov O.V., Pronichev A.N., Polyakov E.V., Dmitrieva V.V. Model of image sensor signal correction in the computer microscopy system. Journal of Physics: Conference Series. 2019;1205(1):012041. Доступно по: doi:10.1088/1742-6596/1205/1/012041(на англ.).

4. Nikitaev V.G., Nagornov O.V., Pronichev A.N., Polyakov E.V., Dmitrieva V.V. Method for optical radiation sensor signal irregularity correction in the computer microscopy system. Journal of Physics: Conference Series. 2019;1189(1):012026. Доступно по: doi:10.1088/1742-6596/1189/1/012026 (на англ.).

5. Никитаев В.Г., Проничев А.Н., Поляков Е.В., Дмитриева В.В. Способ коррекции сигнала датчика изображения слабоконтрастных объектов в системах компьютерной микроскопии при онкологической диагностике. Патент RU 2712941 C1 03.02.2020.

6. He C., Li X., Yu Y., Ye Z, Kang H. Microscope images automatic focus algorithm based on eightneighborhood operator and least square planar fitting. Optik - International Journal for Light and Electron Optics. 2020;206:164232. Доступно по: doi:10.1016/j.ijleo.2020.164232 (на англ.).

7. Díaz G., Manzanera A. Automatic analysis of microscopic images in hematological cytology applications. In: Gonz´alez F.A., Romero E. (eds.) Biomedical Image Analysis and Machine Learning Technologies: Applications and Techniques. 2009;978:1605669564. Доступно по: doi:10.4018/978-1-60566-956-4.ch008 (на англ.).

8. Mohapatra S., Patra D., Satpathy S. Automated leukemia detection in blood microscopic images using statistical texture analysis. In: Proceedings of the 2011 International Conference on Communication, Computing & Security. ICCCS 2011, Odisha, India, February 12-14. 2011:184-187. Доступно по: doi:10.1145/1947940.1947980 (на англ.).

9. Bodzas A., Kodytek P., Zidek J. Automated detection of acute lymphoblastic leukemia from microscopic images based on human visual perception. Frontiers in Bioengineering and Biotechnology.2020;8:1005. Доступно по: doi:10.3389/fbioe.2020.01005 (на англ.).

10. Mohammed Z.F., Abdulla A.A. An efficient CAD system for ALL cell identification from microscopic blood images. Multimedia Tools and Applications.2020:1-14. Доступно по: doi:10.1007/s11042-020-10066-6 (на англ.).