Разработка и анализ алгоритма обнаружения множественных экземпляров объекта на микроскопических изображениях с использованием численных методов

Обложка

Цитировать

Полный текст

Аннотация

В данной работе представлен метод обнаружения объектов на изображениях микроскопии, сфокусированный на поиске частиц. Основная цель исследования заключается в разработке алгоритма, способного эффективно находить множественные экземпляры объектов в различных сценариях, сохраняя при этом специфичность для структур интереса. Алгоритм базируется на использовании экстремальных областей в качестве кандидатов для обнаружения с последующей оценкой этих областей при помощи обученных параметров. Одним из ключевых элементов алгоритма является встроенное ограничение на неперекрытие, что позволяет ему эффективно обрабатывать кластеризацию частиц. Результаты экспериментов на различных наборах микроскопических данных подтверждают устойчивость метода к изменениям в интенсивности изображений, плотности и размеров частиц. Данный алгоритм является полезным инструментом для разработки методов обнаружения объектов на изображениях микроскопии и может быть применен в научных и медицинских исследованиях.

Об авторах

Сергей Юрьевич Ганигин

Самарский государственный технический университет

ORCID iD: 0000-0001-5778-6516
SPIN-код: 5725-6961
Россия, 443100, Самара, ул. Молодогвардейская, д. 244

Андрей Николаевич Давыдов

Самарский государственный технический университет

ORCID iD: 0000-0002-7061-5460
SPIN-код: 7434-7987
Scopus Author ID: 7201949562
ResearcherId: D-7828-2014
Россия, 443100, Самара, ул. Молодогвардейская, д. 244

Александр Сергеевич Нечаев

Самарский государственный технический университет

ORCID iD: 0000-0002-0939-8292
SPIN-код: 4564-7570
Scopus Author ID: 57216884784
Россия, 443100, Самара, ул. Молодогвардейская, д. 244

Виктория Витальевна Киященко

Самарский государственный технический университет

ORCID iD: 0000-0001-9710-2860
SPIN-код: 6752-8232
Россия, 443100, Самара, ул. Молодогвардейская, д. 244

Список литературы

  1. Puchkov E. Image analysis in microbiology: A review // Journal of Computer and Communications. 2016. Vol. 4, iss. 15. P. 8–32. https://doi.org/10.4236/jcc.2016.415002
  2. Spahn C., Gomez-de-Mariscal E., Laine R. F., Pereira P. M., Chamier L., Conduit M., Pinho M. G., Jacquemet G., Holden S., Heilemann M., Henriques R. DeepBacs for multi-task bacterial image analysis using open-source deep learning approaches // Communications Biology. 2022. Iss. 5. Art. 688. https://doi.org/10.1038/s42003-022-03634-z
  3. Su P.-T., Liao C.-T., Roan J.-R., Wang S.-H., Chiou A., Syu W.-J. Bacterial colony from two-dimensional division to three-dimensional development // PloS ONE. 2023. Vol. 7, iss. 11. Art. e48098. https://doi.org/10.1371/journal.pone.0048098
  4. Замятин Д. А., Поротников А. В., Щапова Ю. В., Вотяков С. Л. JPD-анализ микроскопических изображений в исследовании структурно-химической неоднородности зерен природного циркона // Минералы: строение, свойства, методы исследования. 2014. Вып. 6. С. 26–27. EDN: YMSLCU
  5. Полищук С. В., Смехун Я. А. Анализ элекронно-микроскопических изображений с использованием спектральных характеристик // Международный научно-исследовательский журнал. 2014. Вып. 4–1 (23). С. 65–67. EDN: SCQPCB
  6. Беляева Л. А., Шурыгина О. В., Юхимец С. Н., Петрова А. А., Миронов С. Ю., Ратенкова Н. В., Кулакова О. В., Бовтунова С. С. Автоматизированный и ручной анализ спермы: сравнительная характеристика // Морфологические ведомости. 2022. Т. 30, вып. 4. С. 9–15. https://doi.org/10.20340/mv-mn.2022.30(4).704, EDN: JGHSAW
  7. Wei X., Liu Yo., Song Q., Zou J., Wen Zh., Li J., Jie D. Microscopic hyperspectral imaging and an improved detection model based detection of Mycogone perniciosa chlamydospore in soil // European Journal of Agronomy. 2024. Vol. 152. Art. 127007. https://doi.org/10.1016/j.eja.2023.127007
  8. Khan S., Sajjad M., Abbas N., Escorcia-Gutierrez J., Gamarra M., Khan M. Efficient leukocytes detection and classification in microscopic blood images using convolutional neural network coupled with a dual attention network // Computers in Biology and Medicine. 2024. Vol. 174. Art. 108146. https://doi.org/10.1016/j.compbiomed.2024.108146
  9. Han Zh., Huang H., Lu D., Fan Q., Ma Ch., Chen X., Gu Q., Chen Q. One-stage and lightweight CNN detection approach with attention: Application to WBC detection of microscopic images // Computers in Biology and Medicine. 2023. Vol. 154. Art. 106606. https://doi.org/10.1016/j.compbiomed.2023.106606
  10. Ван Ц. И., Воронов В. И. Анализ результатов компьютерной томографии головного мозга с помощью сверточной нейронной сети // DSPA: Вопросы применения цифровой обработки сигналов. 2020. Т. 10, вып. 1. С. 32–40. EDN: OFBSSY
  11. Sun M., Wang W., Zhu X., Liu J. Reparameterizing and dynamically quantizing image features for image generation // Pattern Recognition. 2024. Vol. 146. Art. 109962. https://doi.org/10.1016/j.patcog.2023.109962
  12. Pawlowski J., Majchrowska S., Zhu X., Golan T. Generation of microbial colonies dataset with deep learning style transfer // Scientific Reports. 2022. Vol. 12. Art. 5212. https://doi.org/10.1038/s41598-022-09264-z
  13. Panic B., Borovinsek M., Vesenjak M., Oman S., Nagode M. A guide to unsupervised image segmentation of mCT-scanned cellular metals with mixture modelling and Markov random fields // Materials and Design. 2024. Vol. 239. Art. 112750. https://doi.org/10.1016/j.matdes.2024.112750
  14. Franti P., Mariescu-Istodor R. Soft precision and recall // Pattern Recognition Letters. 2023. Vol. 167. P. 115–121. https://doi.org/10.1016/j.patrec.2023.02.005

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).