izmertechИзмерительная техникаIzmeritel`naya Tekhnika0368-10252949-5237ФГУП "ВНИИФТРИ"10.32446/0368-1025it.2021-10-53-59izmertech-1960Research ArticleМЕДИЦИНСКИЕ И БИОЛОГИЧЕСКИЕ ИЗМЕРЕНИЯMEDICAL AND BIOLOGICAL MEASUREMENTSИсследование текстурных признаков для задач распознавания клеток костного мозга в информационно-измерительных системах онкогематологииThe study of texture features for the recognition problems of bone marrow cells in information-measuring systems of oncohematologyhttps://orcid.org/0000-0002-4349-3023НикитаевВ. Г.NikitaevV. G.

Валентин Григорьевич Никитаев

Москва

Valentin G. Nikitaev

Moscow

vgnikitayev@mephi.ruhttps://orcid.org/0000-0003-0443-8504ПроничевА. Н.PronichevA. N.

Александр Николаевич Проничев

Москва

Alexander N. Pronichev

Moscow

anpronichev@mephi.ruhttps://orcid.org/0000-0003-3966-128XТупицынН. Н.TupitsinN. N.

Николай Николаевич Тупицын

Москва

Nikolay N. Tupitsin

Moscow

nntca@yahoo.comhttps://orcid.org/0000-0002-9400-7347ПалладинаА. Д.PalladinaA. D.

Александра Дмитриевна Палладина

Москва

Aleksandra D. Palladina

Moscow

palladinaa@gmail.comhttps://orcid.org/0000-0002-9202-6691ДмитриеваВ. В.DmitrievaV. V.

Валентина Викторовна Дмитриева

Москва

Valentina V. Dmitrieva

Moscow

vvdmitriyeva@mephi.ruhttps://orcid.org/0000-0003-2727-3802КозыреваА. В.KozyrevaA. V.

Александра Вячеславовна Козырева

Москва

Alexandra V. Kozyreva

Moscow

kozyreva.sasha@yandex.ruhttps://orcid.org/0000-0003-3492-0414МайоровМ. С.MayorovM. S.

Михаил Сергеевич Майоров

Москва

Mihail S. Mayorov

Moscow

mayorov.mikhail.of@yandex.ruhttps://orcid.org/0000-0002-9929-615XСоломатинМ. А.SolomatinM. A.

Михаил Андреевич Соломатин

Москва

Mihail A. Solomatin

Moscow

mis4455@yandex.ruhttps://orcid.org/0000-0003-2474-2810ДружининаЕ. А.DruzhininaE. A.

Екатерина Александровна Дружинина

Москва

Ekaterina A. Druzhinina

Moscow

kerry1995@mail.ruhttps://orcid.org/0000-0002-5346-6504ПоляковЕ. В.PolyakovE. V.

Евгений Валерьевич Поляков

Москва

Evgeny V. Polyakov

Moscow

voterstreit@inbox.ruhttps://orcid.org/0000-0002-9322-2635БатуевБ. Б.BatuevB. B.

Булат Базаржапович Батуев

Москва

Bulat B. Batuev

Moscow

buligarmouth@gmail.comНациональный исследовательский ядерный университет «МИФИ»РоссияNational Research Nuclear University MEPHI (Moscow Engineering Physics Institute)Russian FederationНациональный медицинский исследовательский центр онкологии им. Н. Н. БлохинаРоссияN. N. Blokhin National Medical Research Center of OncologyRussian Federation2021160820230105359Copyright © ФГУП "ВНИИФТРИ", 20232023ФГУП "ВНИИФТРИ"ФГУП "ВНИИФТРИ"https://www.izmt.ru/jour/about/submissions#copyrightNoticehttps://www.izmt.ru/jour/article/view/1960

Изучено влияние параметров построения матрицы пространственной смежности на текстурные признаки в задачах распознавания клеток костного мозга в информационно-измерительных системах диагностики острых лейкозов. Исследовано по 100 изображений бластных клеток В- и Т-клеточных острых лимфобластных лейкозов. Рассмотрено пять рассчитанных на основе матрицы пространственной смежности текстурных признаков – энергия, момент инерции, локальная однородность, максимальная вероятность, энтропия. При построении матрицы смежности проанализированы варьируемые параметры – тип цветового компонента RGB-модели цветного изображения, расстояние и направление смежности. Для заданной выборки изображений диапазон расстояний смежности, в котором наблюдается наибольшее изменение значений текстурных признаков, составил 1–11 пикселов. Значения признаков разных типов изменяются в диапазоне 20–1700 %. Максимальная информативность получена для G-компонента цветного изображения у текстурного признака «локальная однородность» (коэффициент информативности 0,48) с расстоянием смежности 1 пиксел. Для практического применения рекомендовано использовать четыре направления смежности при построении матриц пространственной смежности. Полученные результаты важны специалистам, работающим в области проектирования информационно-измерительных систем онкогематологии (диагностика опасных онкологических заболеваний – острых лейкозов).

The influence of the parameters of the construction of the spatial-dependence matrices on textural features in the tasks of recognizing bone marrow cells in information and measurement systems for the diagnosis of acute leukemia is studied. Bone marrow preparations were obtained from patients with B- and T-cell acute lymphoblastic leukemias. 100 images of blast cells of B- and T-types were involved. Five textural features are considered – energy, inertia moment, local uniformity, maximum probability, entropy. The features were calculated on the basis of the spatial dependence matrices. The type of the color components of the RGB color image model, the adjacency distance and the direction of adjacency were analyzed as variable parameters when constructing the specified matrices. For a given sample of images of blast cells of type T and B a range of adjacency distances from 1 to 11 pixels was revealed, in which the greatest change in the values of texture features is observed. For different types of signs the change ranged from 20 % to 1700 %. The maximum information content among the studied texture features was obtained for the G-component of a color image in the texture feature “local uniformity” (information content coefficient 0.48) with an adjacency distance equal to one pixel. For practical application, it is recommended to use four directions of adjacency when constructing spatial adjacency matrices. The obtained results are important for specialists working in the field of designing information and measurement systems of oncohematology (diagnostics of dangerous oncological diseases – acute leukemias).

распознавание образовобработка изображенийтекстурные признакиматрица пространственной смежностикомпьютерная микроскопиядиагностика острых лейкозовpattern recognitionimage processingtextural featuresspatial-dependence matricescomputer microscopyacute leukemia diagnosisReferencesГематология: руководство для врачей / Под ред. Н. Н. Мамаева. СПб.: СпецЛит, 2019. 639 c.Gematologiya: rukovodstvo dlia vrachey, ed. N. N. Mamaev, St. Petersburg, SpetsLit. Publ., 2019, 639 p. (In Russ.)Самородов А. В. Биотехнические системы автоматизированной микроскопии цитологических препаратов // Медицинская техника. 2018. № 6. C. 17–19.Samorodov A. V., Biomedical Engineering, 2019, vol. 52, no. 6, pp. 387–390. https://doi.org/10.1007/s10527-019-09853-9Sahlol A. T., Kollman nsberger P., Ewees A. A., Scientifi c Reports, 2020, vol. 10, no. 1,pp. 1–11. https://doi.org/10.1038/s41598-020-59215-9Sahlol A. T., Kollmannsberger P., Ewees A. A., Scientifi c Reports, 2020, vol. 10, no. 1, pp. 1–11. https://doi.org/10.1038/s41598-020-59215-9Kutlu H., Avci E., Ozyurt F., Medical hypotheses, 2020, vol. 135, 109472. https://doi.org/10.1016/j.mehy.2019.109472Kutlu H., Avci E., Ozyurt F., Medical hypotheses, 2020, vol. 135, 109472. https://doi.org/10.1016/j.mehy.2019.109472Черных Е. М., Михелев В. М. Компьютерная система классификации лейкоцитов на изображениях клеток крови // Научный результат. Информационные технологии. 2019. Т. 4. № 3. С. 38–47.Chernykh E. M., Mihelev V. M., Kompjuternaya sistema klassifi katsii leykocitov na izobrazheniyah kletok krovi, Nauchniy rezultat. Informatsionnie tehnologii, 2019, vol. 4, no. 3, pp. 38-47. (In Russ.)Amin M., Kermani S., Ta lebi A., Oghli M., Recognition of acute lymphoblastic leukemia cells in microscopic images using k-means clustering and support vector machine classifi er, Journal of Medical Signals & Sensors, 2015, vol. 5, no. 1, pp. 49–58.Amin M., Kermani S., Talebi A., Oghli M., Recognition of acute lymphoblastic leukemia cells in microscopic images using k-means clustering and support vector machine classifi er, Journal of Medical Signals & Sensors, 2015, vol. 5, no. 1, pp. 49–58.Никитаев В. Г. Высокотехнологичные информационноизмерительные комплексы онкологической диагностики: проблемы и ключевые положения методологии построения // Измерительная техника. 2015. № 2. С. 68–70.Nikitaev V. G., Measurement Techniques,2015, vol. 58, no. 2, pp. 214–218. https://doi.org/10.1007/s11018-015-0688-0Прэтт У. Цифровая обработка изображений: Пер. с англ. М.: Мир, 1982. Кн. 2. 480 с.Pratt W., Digital image processing: book 2, Hoboken, Wiley, 1982, 480 p.Пантелеев В. Г., Слаев В. А., Чуновкина А. Г. Метрологическое обеспечение анализаторов изображений. // Измерительная техника. 2008. № 1. С. 67–71.Panteleev V. G., Slaev V. A., Chunovkina A. G., Measurement Techniques, 2008, vol. 51, no. 1, pp. 107–112. https://doi.org/10.1007/s11018-008-0019-9Haralick R. M., Proceedings of the IEEE, 1979, vol. 67, no. 5, pp. 786–804. https://doi.org/10.1109/PROC.1979.11328Haralick R. M., Proceedings of the IEEE, 1979, vol. 67, no. 5, pp. 786–804. https://doi.org/10.1109/PROC.1979.11328Дмитриева В. В., Тупицын Н. Н., Поляков Е. В., Самсонова А. Д. Исследование эффективности классификации изображений клеток костного мозга в компьютерных системах диагностики острых лейкозов и минимальной остаточной болезни // Моделирование, оптимизация и информационные технологии. 2020. Т. 8. № 3. С. 1–9.Dmitriyeva V. V., Tupitsyn N. N., Polyakov Ye. V., Samsonova A. D., Issledovaniye eff ektivnosti klassifi katsii izobrazheniy kletok kostnogo mozga v komp’yuternykh sistemakh diagnostiki ostrykh leykozov i minimal’noy ostatochnoy bolezni, Modelirovaniye, optimizatsiya i informatsionnyye tekhnologii, 2020, vol. 8, no. 3, pp. 1–9. (In Russ.)Никитаев В. Г., Тупицын Н. Н., Проничев А. Н., Поляков Е. В., Дмитриева В. В., Чернышева О. А., Серебрякова И. Н., Палладина А. Д. Технологии искусственного интеллекта в диагностике острых лимфобластных лейкозов и минимальной остаточной болезни // Медицинская техника. 2020. № 5. С. 42–44.Nikitaev V. G., Tupitsyn N. N., Pronichev A. N., Serebryakova I. N., Palladina A. D., Biomedical Engineering, 2021, vol. 54, no. 5, pp. 354–356. https://doi.org/10.1007/s10527-021-10038-6Nikitaev V. G., Pronich ev A. N., Polyakov E. V., Chernysheva O. A., Serebryakova I. N., Tupitsyn N. N., Procedia Computer Science, 2020, vol. 169, pp. 353–358. https://doi.org/10.1016/j.procs.2020.02.229Nikitaev V. G., Pronichev A. N., Polyakov E. V., Chernysheva O. A., Serebryakova I. N., Tupitsyn N. N., Procedia Computer Science, 2020, vol. 169, pp. 353–358. https://doi.org/10.1016/j.procs.2020.02.229

The authors declare that there are no conflicts of interest present.