Отправить эту статью по почте 
МОРФОМЕТРИЧЕСКАЯ И ЦВЕТОВАЯ ХАРАКТЕРИСТИКА КИСЛОТОУСТОЙЧИВЫХ МИКОБАКТЕРИЙ КАК ОБЪЕКТОВ НА ЦИФРОВЫХ ИЗОБРАЖЕНИЯХ МОКРОТЫ, ОКРАШЕННОЙ ПО МЕТОДУ ЦИЛЯ-НИЛЬСЕНА
Аннотация
Цель. Изучение морфометрических и цветовых характеристик кислотоустойчивых микобактерий как объектов на цифровых изображениях мокроты, окрашенной по методу Циля-Нильсена.
Материалы и методы. Использовались данные о 6 708 кислотоустойчивых микобактериях, выделенных на цифровых изображениях микроскопических препаратов мокроты, окрашенной по методу Циля-Нильсена. Анализ объектов производился по 97 цветовым и морфометрическим признакам.
Результаты. Наименее важными параметрами кислотоустойчивых микобактерий, как объектов на цифровых изображениях, для параметризации являются: минимальное значение R, максимальное значение G, минимальное значение B, максимальное значение S и максимальное значение V, а наиболее информативными параметрами с точки зрения параметризации объектов являются: максимальное значение B, среднее значение V, минимальное значение H, минимальное значение V и максимальное значение Y и среднее значение H. В работе также представлены методики определения морфометрических характеристик кислотоустойчивых микобактерий при изменении разрешения цифровых изображений, на которых осуществляется поиск таких объектов, и изменении увеличения, при котором осуществляется микроскопия окрашенных образцов мокроты.
Заключение. Учет полученных в результате исследования морфометрических и цветовых характеристик позволит осуществлять разработку алгоритмов сегментации цифровых микроскопических изображений мокроты, окрашенной по методу Циля-Нильсена, а также математических моделей распознавания объектов на данных изображениях.
Ключевые слова
Полный текст:
>PDF
Литература
Kaplan A., Lock E.F. Prediction with dimension reduction of multiple molecular data sources for patient survival. Cancer informatics, 2017, № 16, e1176935117718517.
Birjandtalab J., Baran Pouyan M., Cogan D., Nourani M., Harvey J. Automated seizure detection using limited-channel EEG and non-linear dimension reduction. Computers in biology and medicine, 2017, № 82, pp. 49–58.
Gritsinskaya V.L., Moskalenko O.L. Ispol’zovanie komp’yuternykh tekhnologiy pri provedenii dispanserizatsii detskogo naseleniya Respubliki Tyva [The use of computer technologies at carrying out of prophylactic medical examination of children of the Republic of Tuva]. V mire nauchnykh otkrytiy [In the world of scientific discoveries], 2017, № 2, pp. 158–167.
Tu Y., Tan A., Fu Z., Sam Hung Y., Hu L., Zhang Zh. Supervised nonlinear dimension reduction of functional magnetic resonance imaging data using Sliced Inverse Regression. Conference proceedings: 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Milan, 2015, pp. 2641–2645.
Strizhov V.V., Motrenko A.P. Mnogoklassovaya logisticheskaya regressiya dlya prognoza veroyatnosti nastupleniya infarkta [Multi-class logistic regression to predict the probability of a heart attack]. Izvestiya Tul’skogo gosudarstvennogo universiteta. Estestvennye nauki [Proceedings of the Tula state University. More natural science], 2012, № 1, pp. 153–162.
Garganeeva N.P., Leonov V.P. Logisticheskaya regressiya v analize svyazi arterial’noy gipertonii i psikhicheskikh rasstroystv [Logistic regression in the analysis of the relationship between hypertension and mental upset]. Sibirskiy meditsinskiy zhurnal [Siberian medical journal], 2001, Vol. 16, № 3-4, pp. 42–48.
Mikshina V.S., Pavlov S.I. Ispol’zovanie logisticheskoy regressii pri vybore sposoba kardioplegii [The use of logistic regression in choosing a method of cardioplegia]. Vestnik Tomskogo gosudarstvennogo universiteta. Upravlenie, vychislitel’naya tekhnika i informatika [Vestnik of Tomsk state University. Management, computer engineering and computer science], 2017, № 39, pp. 49–56.
Andosova L.D., Kontorshchikova K.N., Shakhova K.A. Mnogofaktornyy regressionnyy analiz v prognoze razvitiya tservikal’nykh porazheniy infektsionnogo geneza [Multivariate regression analysis in prediction of cervical porazheniy infectious Genesis]. Meditsinskiy al’manakh [Medical almanac], 2017, № 2, pp. 111–113.
Bogomolov S.N., Solntsev V.N., Kulikov A.N., Kuchmin A.N. Vozmozhnosti elektrokardiografii v diagnostike gipertrofii miokarda levogo zheludochka [Possibilities of electrocardiography in the diagnosis of left ventricular hypertrophy]. Vestnik Rossiyskoy voenno-meditsinskoy akademii [Bulletin of the Russian military medical Academy], 2016, № 3, pp. 51–56.
Bezrukov N.S., Eremin E.L., Kolosov V.P., Perel’man Yu.M., Khizhnyak Yu.Yu. Sistemy otsenki kontroliruemosti bronkhial’noy astmy [Evaluation system accountability bronchial asthma]. Informatika i sistemy upravleniya [Informatics and control systems], 2009, № 4, pp. 159–163.
Bystritskaya T.S., Shtel’ N.N., Lysyak D.S. Prognozirovanie platsentarnoy nedostatochnosti u beremennykh s narusheniem stanovleniya menstrual’noy funktsii v pubertatnom periode [Prediction placentary insufficiency in pregnant women with impaired formation menstrual function in the pubertal period]. Byulleten’ fiziologii i patologii dykhaniya [Bulletin of physiology and pathology of respiration], 2011, № 42, pp. 55–59.
Prozorova A.V., Prikhod’ko A.G. Postroenie prognoznoy modeli progressiruyushchego techeniya khronicheskoy obstruktivnoy bolezni legkikh [Constructing a predictive model of progressive course of chronic obstructive pulmonary disease]. Informatika i sistemy upravleniya [Informatics and control systems], 2008, № 2, pp. 168–169.
Filist S.A., Shatalova O.V., Efremov M.A. Gibridnaya neyronnaya set’ s makrosloyami dlya meditsinskikh prilozheniy [Hybrid neural network macro slope for medical applications]. Neyrokomp’yutery: razrabotka, primenenie [Neurocomputers: development, application], 2014, № 6, pp. 35–69.
Barskiy A.B., Dmitpiev A.A., Bapskaya O.A. Meditsinskie informatsionno-spravochnye sistemy na logicheskikh neyronnykh setyakh [Medical information and referral system for Boolean neural networks]. Informatsionnye tekhnologii [Information technologies], 2010, № 1, pp. 1–32.
Petrov S.B., Sheshunov I.V. Otsenka effektivnosti primeneniya iskusstvennykh neyronnykh setey v mediko-ekologicheskikh issledovaniyakh [Evaluation of the effectiveness of the use of artificial neural networks in medical and environmental research]. Fundamental’nye issledovaniya [Fundamental study], 2013, № 9-6, pp. 1098–1101.
Mukha Yu.P., Skvortsov M.G., Druzhinin D.G. Metrologicheskoe opisanie neyronnykh setey [Metrological description of neural networks]. Biomeditsinskie tekhnologii i radioelektronika [Biomedical technologies and radioelectronics], 2002, № 4, pp. 20–23.
Zhou Y., Zhang R., Wang S., Wang F. Feature selection method based on high-resolution remote sensing images and the effect of sensitive features on classification accuracy. Sensors. 2018. № 18. 2013.
Binder T., Garbe C.S., Wagenbach D., Freitag J., Kipfstuhl S. Extraction and parametrization of grain boundary networks in glacier ice, using a dedicated method of automatic image analysis. Journal of Microscopy. 2013. № 2, pp. 130–141.
Narkevich A.N., Vinogradov K.A., Koretskaya N.M., Soboleva V.O. Segmentatsiya mikroskopicheskikh izobrazheniy mokroty, okrashennoy po metodu Tsilya-Nil’sena, s ispol’zovaniem veyvlet-preobrazovaniya Mexican Hat [Segmentation of microscopic images of sputum stained by the method of Ziehl-Nielsen, using wavelet transform Mexican Hat]. Acta Biomedica Scientifica [Acta Biomedica Scientifica], 2017, Vol. 2, № 5, pp. 141–146.
Narkevich A.N., Vinogradov K.A., Koretskaya N.M. Parametrizatsiya ob”ektov na tsifrovykh mikroskopicheskikh izobrazheniyakh mokroty, okrashennoy po metodu Tsilya-Nil’sena [Parameterization of objects on digital microscopic images of sputum stained by the method of Ziehl-Nielsen]. Sibirskoe meditsinskoe obozrenie [Siberian medical review], 2017, № 5, pp. 53–59.
DOI: https://doi.org/10.12731/wsd-2018-1-136-150
Ссылки
- На текущий момент ссылки отсутствуют.
(c) 2018 Artem Nikolaevich Narkevich, Konstantin Anatolevich Vinogradov
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
ISSN 2658-6649 (print)
ISSN 2658-6657 (online)