Экспериментальное исследование вариабельности текстурных характеристик клеток крови в системе компьютерной микроскопии Текст научной статьи по специальности «Фундаментальная медицина»

необходимо определить класс измерительных приборов, которые будут обеспечивать необходимый контроль.

Заключение

Предложена концептуальная модель экспертной системы при диагностике острых лейкозов, которая снизит неоднозначность интерпретации объектов исследования. Рассмотрены факторы, влияющие на правильность распознавания сложноформализуемых объектов (изображений бластных и небласт-ных клеток крови) с использованием экспертной системы, базирующейся на методах компьютерной микроскопии. Предложены пути по уменьшению влияющих факторов. Представлена структура требований, которые необходимо учитывать при разработке систем такого типаИ

Литература

1. Руководство по гематологии: в 3т. Т.1./ Под ред. А.И. Воробьева. 3-е изд. Перераб. и допол. — М.: Ньюдиамед, 2002. — 280 с.

2. Клетки, крови, и. костного мозга: Ат-

лас./ Г.И. Козинец, З.Г. Шишканова, Т.Г.

Сарычева и др./ Под ред. Г.И.Козинца.

— М: Медицинское информационное агентство, 2004. — 203 с

3. Луговская С.А., Морозова В. Т., Почтарь М.Е., Долгов В.В. Лабораторная гематология. — Тверь: ООО «Издательство «Триада», 2006. — 224 с.

4. Компьютерные системы, гематологической диагностики. Введение: Учебное пособие./ В.Г. Никитаев, И.А. Воробьев, В.Н. Блиндарь и др. — М.: МИФИ, 2006. — 168 с.

5. Nikitaev V.G., Pronichev A.N., Chistov K.S. Method of computerized, image analysis of blast cells at diagnostics of acute leukoses./ Procedings XII international work-shop «Medicine of XXI century». — Slovakia, Low Tatras, 2004. — January, 10 — 24. — PP. 27, 28.

6. Никитаев В.Г., Чистов К.С., Зубрихи-на Г.Н. и. др. Методика автоматизированного микроскопического анализа препаратов периферической, крови при. диагностике острых лейкозов./ Успехи, современного естествознания, 2004. — № 6. — С. 108, 109.

7. Никитаев В.Г., Проничев А.Н., Чистов К.С. Оценка информативности признаков бластных клеток для. автоматизированной системы, диагностики острых лейкозов./ Качест-

во, инновации, образование и САЬБ технологии. Материалы международного симпозиума./ Под ред. проф. В.Н. Азарова. — М.: Фонд «Качество», 2006. — С. 174.

8. Способ распознавания изображения текстуры клеток./ Никитаев В.Г., Проничев А.Н., Чистов К.С., Хоркин В.А./ Патент № 2385494.

9. Способ автоматизированного микроскопического исследования, образца./ Никитаев В.Г., Проничев А.Н., Бердникович Е.Ю., Кучеренко И.Ю., Комаров В.В./ Патент № 2330265.

10. Способ микроскопического исследования. образца./ Никитаев В.Г., Проничев А.Н., Бердникович. Е.Ю., Петровичев Н.Н., Ротин Д.Л./ Патент № 2318201.

11. Способ микроскопического исследования образца, содержащего микрообъекты. с разнородными, зонами./ Никитаев В.Г., Проничев А.Н., Чистов К.С., Зайцев С.М./ Патент. № 2308745.

12. Устройство для автоматического обнаружения бластных клеток в периферической крови./ Никитаев В.Г., Проничев А.Н., Чистов К.С., Кучеренко И.Ю./Патент № 61890.

ДАНИЛОВ1 Алексей Владимирович; НИКИТАЕВ2 Валентин Григорьевич, д.т.н., проф.; НАГУМАНОВА3 Юлия Рафаиловна; ПРОНИЧЕВ4 Александр Николаевич, к.т.н.;

ЧИСТОВ5 Кирилл Сергеевич, к.т.н.

ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ВАРИАБЕЛЬНОСТИ ТЕКСТУРНЫХ ХАРАКТЕРИСТИК КЛЕТОК КРОВИ В СИСТЕМЕ КОМПЬЮТЕРНОЙ МИКРОСКОПИИ

Проведение экспериментального исследования, влияния фокусировки и освещенности на распознавние бластных и неблас-тных клеток крови. Распознавание основано на текстурном анализе.

Ключевые слова: острый лейкоз, распознавание клеток крови, текстурный анализ.

A pilot study of the effect of focusing and illumination on recognition of blast and not blast blood, cells. The recognition is based, on texture analysis.

Key words: acute leukemia, blood, cell recognition, texture analysis.

Главная проблема распознавания микроскопии тесно связана с близо- Целью настоящей работы является

бластных и небластных клеток в стью в пространстве признаков класте- экспериментальная оценка влияю-

процессе диагностики острых лейкозов ров идентифицируемых разнородных щих факторов на текстурные при-

с применением методов компьютерной объектов. знаки, применяемые для описания

1 — студент НИЯУ «МИФИ»;2 — зав. каф. НИЯУ «МИФИ»;3 — аспирант НИЯУ «МИФИ»; 4 — доцент НИЯУ «МИФИ»;5 — доцент НиЯУ «МИФИ».

16.01.2012 13:26:56

клеток крови в системе распознавания бластных клеток. Эксперименты проводились на автоматизированной системе диагностики гематологических заболеваний АТЛАНТ, созданной в Национальном исследовательском ядерном университете «МИФИ» в содружестве с Гематологическим научным центром и Российским онкологическим научным центром им.

Н.Н. Блохина РАМН. В состав системы АТЛАНТ входят:

♦ микроскоп (OLYMPUS) , обеспечивающий автоматическое сканирование мазка крови. Набор объективов типа планахромат с кратностью увеличения х4, х10, х20, х40, х100 (oil), тринокуляр, предметный столик микроскопа с моторизованным приводом, управляемым как от компьютера, так и от джойстика (по трем координатам: х, у, z).

♦ камера (WATEC) для регистрации микроскопического изображения;

♦ компьютер с программным обеспечением, реализующим управление сканированием препарата и обработку изображений клеток крови [1];

♦ формат цветного изображения 720х576х24.

В процессе проведения экспериментов предстояло оценить влияние факторов освещенности и фокусировки на текстурные признаки.

Изучаемые объекты

Изображения клеток, полученные с мазков периферической крови.

Типы исследуемых клеток крови: ми-елобласты, монобласты, лимфоциты, моноциты, нормоциты, нейтрофилы.

Исследуемые текстурные признаки

В данном эксперименте проводится анализ текстурных характеристик, который основан на алгоритме вычисления нормированной матрице про-

странственной смежности. Матрицу смежности можно рассматривать как оценку совместной плотности распределения вероятностей соседств пикселей с двумя яркостями, где

— вероятность соседства пикселя с яркостью 1 с пикселем яркости ^ При этом рассматриваются следующие признаки:

♦ энергия (АБМ)

ASM = YZel-’

і j

момент инерции (CON)

CON = 12.0-jrs, і

♦ максимальная вероятность (MPR)

MPR - max max g..;

' j

♦ локальная однородность (LUN)

LUN = YY------------

♦ энтропия (ENT)

i j

♦ корреляция (CORR)

255 255

CORR =

i=0

j=0

255

255

2>-лг)’2>„

i=0 j=0

і сумма диагональных элементов (TR) 255

™ = ±g,.

i=0

Программное обеспечение

Для проведения экспериментального исследования использовались следующие программные средства:

♦ программа для проведения съемки и захвата отдельных кадров и серий кадров одного изображения, число кадров в серии 256;

♦ программа для уменьшения шума (путем усреднения серий кадров);

♦ программа для расчета текстурных признаков и сегментации ядер.

Методика проведения экспериментального исследования

ГГ Проведение съемки. Условия проведения съемки:

а) съемка не менее 100 изображений клеток крови с одного препарата;

б) каждая клетка снимается при пяти положениях фокусировки (первое положение — максимальная резкость ядра; второе положение — сдвиг на 1 шаг относительно первого положения; третье положение

— сдвиг на 2 шага относительно первого положения; четвертое положение — сдвиг на 3 шага относительно первого положения; пятое положение — сдвиг на 4 шага относительно первого положения);

в) каждая клетка снимается при трех положениях освещенности (первое положение — смещение на 1 градацию шкалы микроскопа относительно начальной (оптимальной) съемки в более темную сторону; второе положение — начальная съемка, соответствует освещенности, наблюдаемой через окуляры микроскопа; третье положение

— смещение на одну градацию шкалы микроскопа относительно начальной съемки в более светлую сторону).

Г2 Усреднение полученных изображений в целях уменьшения шума (в 10 раз). Усреднение проводится после устранения смещения по трем осям.

Е Распределение изображений клеток крови по типам. Проводится вра-чом-экспертом.

[4 Проведение операции сегментации ядер для полученных изображений клеток крови.

Рис. 1. Изменение фактора фокусировки

Рис. 2. Изменение фактора освещенности

SPEC_2011_SPT-1.indd 79

0,49

0,43

2 3 4

Положение фокусировки

Рис. 3. Зависимость значений признака CORR (корреляция) компонента цвета R от влияния фактора фокусировки для трех типов клеток крови

0,48

я

я

Значение освещенности

Рис. 4. Зависимость значений признака CORR (корреляция) компонента цвета R от влияния фактора освещенности для трех типов клеток крови

^5 Вычисление текстурных признаков для полученных изображений ядер клеток крови.

,6 Построение графиков экспериментальных зависимостей.

На рис. 1 представлен пример изображения клетки крови типа нормо-цит при пяти положениях фокусировки.

На рис. 2. Приведен пример изображений ядра нормоцита при трех значениях освещенности.

По результатам экспериментальных исследований были построены графики зависимости среднего значения каждого из приведенных выше текстурных признаков от рассмотренных влияющих факторов для

трех типов клеток крови: нейтрофил, миелобласт, нормоцит. Пример графических зависимостей для признака корреляция (CORR) показан на рис. 3, 4.

Заключение

Полученные экспериментальные результаты по анализу влияния фокусировки и освещенности на текстурные признаки в системе распознавания бластных клеток с применением методов компьютерной микроскопии позволяют для рассматриваемых типов клеток крови (нейтрофил, миелобласт, нормоцит) сделать следующие выводы. Л Наилучшее распознавание обеспечивает положение 1 фокусировки — максимально резкое (рис. 1), при этом допустимо отклонение фокусировки до положения 2, а освещенность должна соответствовать положению 2 (рис. 2). .2 Самый устойчивый текстурный признак из рассмотренной группы при уменьшении освещенности — локальная однородность (LUN) — 17%, самый неустойчивый — максимальная вероятность (MPR) — 56%.

Е Самый устойчивый признак при увеличении освещенности — энергия (ASM) — 17%, самый неустойчивый — корреляция (CORR) — 56%.

.4 Вариабельность признаков при изменении освещенности находится в пределах 17 — 56%.

Е При небольших изменениях фокусировки (незаметных для глаза) значения признаков меняются незначительно (6 — 8%)

Е При заметном для глаза изменении четкости значения признаков существенно изменяются (30 — 60%).

,7 Наибольшую устойчивость при изменении фокусировки проявил признак момент инерции (CON) — < 2%И

Литература

1. Компьютерные системы гематологической диагностики. Введение: Учебное пособие./ В.Г. Никитаев, И.А. Воробьев, В.Н. Блиндарь. — М.: МИФИ, 2006. - 168 с.