Разработка и исследование метода разделения клеток при сегментации лейкоцитов на изображениях препаратов костного мозга в информационно-измерительных системах диагностики острых лейкозов

Рассмотрены вопросы применения информационно-измерительных систем для решения масштабных задач автоматизации диагностики острых лейкозов. Принцип действия информационно-измерительных систем основан на обработке цифровых изображений микроскопических препаратов костного мозга, особенностью которых является высокая плотность лейкоцитарных клеток в препарате (гиперклеточность), что обусловливает близость клеток друг к другу и зачастую их соприкосновение, в результате чего образуются конгломераты. Измерение характеристик клеток костного мозга в таких условиях приводит к недопустимым погрешностям (более 50 %). Работа посвящена сегментации соприкасающихся клеток на изображениях препаратов костного мозга. Разработан метод разделения клеток при сегментации лейкоцитов на изображениях препаратов костного мозга в условиях гиперклеточности препарата. Особенность предложенного метода – использование подхода к сегментации изображений клеток на основе метода водораздела с маркерами. Ключевые этапы метода: формирование начальных маркеров, построение линий водораздела, пороговая бинаризация, заливка внутри контура. Определены параметры, обеспечивающие стабильность разделения соприкасающихся клеток. Проведён эксперимент и подтверждена эффективность предложенного метода. Относительная погрешность сегментации составила 5 %. Применение предложенного метода в информационно-измерительных системах компьютерной микроскопии для автоматизированного анализа препаратов костного мозга позволит повысить точность диагностики острых лейкозов.

1. Гематология: руководство для врачей / Под ред. Н. Н. Мамаева. СПб.: СпецЛит, 2019. 639 c.

2. Румянцев А. Г., Масчан А. А., Румянцева Ю. В., Карачунский А. И. Федеральные клинические рекомендации по диагностике и лечению острого лимфобластного лейкоза у детей и подростков. М.: НОДГО, 2015. 71 с.

3. Безнос О. А. Диагностика минимальной остаточной болезни при острых лимфобластных лейкозах у детей: автореф. дис. канд. мед. наук. (НМИЦ онкологии им. Н. Н. Блохина, Москва, 2017).

4. Bain B. J., Bates I., Laff an M. A., Dacie and Lewis Practical Haematology, Elsevier Health Sciences, 2017. 600 p.

5. Amin M. M., Kermani S., Talebi A., etc., Journal of Medical Signals and Sensors, 2015, vol. 5, no. 1, pp. 49–58. https://doi.org/10.4103/2228-7477.186885

6. Никитаев В. Г. Высокотехнологичные информационноизмерительные комплексы онкологической диагностики: проблемы и ключевые положения методологии построения // Измерительная техника. 2015. № 2. С. 68–70.

7. Никитаев В. Г. Современные принципы измерений в интеллектуальных системах гистологической диагностики онкологических заболеваний // Измерительная техника. 2015. № 4. С. 68–70.

8. Dhal K. G., Gálvez J., Ray S., et al., Multimedia Tools and Applications, 2020, vol. 79, pp. 12227–12255. https://doi.org/10.1007/s11042-019-08417-z

9. Поляков Е. В. Состояние и перспективы развития систем автоматизации световой микроскопии при диагностике острых лейкозов. // Системный анализ и управление в биомедицинских системах. 2018. Т. 17. № 2. С. 407–420.

10. Mohapatra S., Patra D., Kumar S., Satpathy S., Biomedical Engineering Letters, 2012, vol. 2, no. 2, pp. 100–110. https://doi.org/10.1007/s13534-012-0056-9

11. Nikitaev V. G., Polyakov E. V., Matveeva I. I., Blindar V. N., Journal of Physics: Conference Series, 2017, vol. 798, no. 1, p. 012129. https://doi.org/10.1088/1742-6596/798/1/012129

12. Mishra S., Majhi B., Sa P. K., Sharma L., Biomedical Signal Processing and Control, 2017, no. 33, pp. 272–280. https://doi.org/10.1016/j.bspc.2016.11.021