Распознавание лейкоцитов на мазках периферической крови и костного мозга с применением нейросетевого подхода
https://doi.org/10.56304/S2079562922030605
Аннотация
В статье изучается задача классификации лейкоцитов на снимках препаратов переферической крови и костного мозга при множественном соприкосновении лейкоцитов друг с другом для автоматизированной диагностики заболеваний системы кроветворения. Предложенный подход опирается на определение класса лейкоцитов комбинацией метода K-means и сверточной нейронной сети. Применение метода K-means предваряется выполнением алгоритмом водораздела с преобразования расстояний. По результатам проведенного эксперимента оценена точность распознавания лимфобластов, гранулоцитов, моноцитов, лимфоцитов. Предложенные решения в дальнейшем могут быть применены в системах поддержки принятия решений при диагностике острых лейкозов.
Об авторах
Ю. В. ЗоринРоссия
Москва, 115409
М. А. Аванесов
Россия
Москва, 115409
А. Н. Проничев
Россия
Москва, 115409
А. Д. Палладина
Россия
Москва, 115478
Список литературы
1. Тупицын Н.Н. Иммунология клеток крови. В кн.: Гематология. Национальное руководство. Под ред. О.А. Рукавицына. 2015. Москва: ГЭОТАРМедиа.
2. Nikitaev V.G. et al. // Bull. Lebedev Phys. Inst. 2016. V. 43 (10). P. 306−308. https://doi.org/10.3103/S1068335616100055
3. Nikitaev V.G. et al. // J. Phys.: Conf. Ser. 2018. V. 945 (1). P. 012008. https://doi.org/10.1088/1742-6596/945/1/012008
4. Nikitaev V.G. et al. // J. Phys.: Conf. Ser. 2018. V. 945 (1). P. 012007. https://doi.org/10.1088/17426596/945/1/012007
5. Anilkumar K.K., Manoj V.J., Sagi T.M. // Biocybern. Biomed. Eng. 2020. V. 40 (4). P. 1406−1420.. https://doi.org/10.1016/j.bbe.2020.08.010
6. Liu H., Cao H., Song E. // J. Med. Syst. 2019. V. 43 (82). P. 1185. https://doi.org/10.1007/s10916-019-1185-9
7. Hegde R.B. et al. // J. Med. Syst. 2018. V. 42 (6). P. 110. https://doi.org/10.1007/s10916-018-0962-1
8. Arslan S., Ozyurek E., Gunduz‐Demir C. // Cytometry Part A. 2014. V. 85 (6) P.480−490. https://doi.org/10.1002/cyto.a.22457
9. Wang Y, Cao Y. // J. Algorithms Comput. Technol. 2019. V. 13. P. 1−10.
10. Cao H., Liu H., Song E. // Biomed. Signal Process. Control. 2018. V. 45. P. 10−21.
11. Baby D. // Int. J. Eng. Technol. 2018. V. 7 (2). P. 155−158. https://doi.org/10.14419/ijet.v7i2.24.12021
12. Miao H., Xiao C. // Comput. Math. Methods Med. 2018. V. 2018. P. 7235795. https://doi.org/10.1155/2018/7235795
13. Liu Y. et al. // IEEE J. Biomed. Health Inform. 2016. V. 21 (6). P. 1644−1655.
14. Loey M., Naman M., Zayed H. // Computers. 2020. V. 9 (2). P. 29. https://doi.org/10.3390/computers9020029
15. Yao X. et al. // Nanomed. Biotechnol. 2021. V. 49 (1). P. 147−155. https://doi.org/10.1080/21691401.2021.1879823
16. Andrade A. R. et al. // Comput. Methods Programs Biomed. 2019. V. 173. P. 1−14. https://doi.org/10.1016/j.cmpb.2019.03.001
Рецензия
Для цитирования:
Зорин Ю.В., Аванесов М.А., Проничев А.Н., Палладина А.Д. Распознавание лейкоцитов на мазках периферической крови и костного мозга с применением нейросетевого подхода. Ядерная физика и инжиниринг. 2023;14(2):181-184. https://doi.org/10.56304/S2079562922030605
For citation:
Zorin Yu.V., Avanesov M.A., Pronichev A.N., Palladina A.D. Recognition of Leukocytes on Peripheral Blood and Bone Marrow Smears Using a Neural Network Approach. Nuclear Physics and Engineering. 2023;14(2):181-184. (In Russ.) https://doi.org/10.56304/S2079562922030605