Conference publications

Abstracts

XIV conference

Using soft model based approach for classification of blood cells

Kucheryavski S.V., Belyaev I.A.

Altai State University, Russia, 656049, Barnaul. e-mail: svk@asu.ru, iab@asu.ru

В настоящее время широкое распространение в медико-биологических исследованиях получили компьютерные анализаторы изображений. Их применение позволяет ускорить процесс обработки материала, повысить точность результатов исследования, сделать результаты исследований объективными и др.

В качестве признаков, по которым происходит классификация, используются морфологические и оптические характеристики объектов исследования. С незначительными оговорками эти методы можно считать как подходы, основанные на содержательных моделях. Такие подходы предъявляют очень жесткие требования к анализируемым данным (изображениям в нашем случае). Это влечет высокие требования к оборудованию, используемому для их получения (микроскопам, камерам).

С другой стороны, многочисленные работы показывают, что подход к анализу изображений, основанный на формальных моделях (когда анализируется изображение в целом), в большинстве случаев позволяет проводить анализ и классификацию изображений среднего и низкого качества, в том числе зашумленные изображения.

В данной работе, был разработан и апробирован новый подход к распознаванию типов клеток крови. В качестве классификатора были выбраны проекционные методы анализа многомерных данных, которые хорошо зарекомендовали себя при решении задач, связанных с классификацией и распознаванием образов.

Для получения характеристик изображений были использованы дискретное вейвлет-преобразование и метод среднеугловых спектров (Angle Measure Technique – AMT). Для апробации метод был применен к решению задачи распознавания лимфоцитов и нейтрофилов на изображениях низкого качества, полученных с помощью обычного лабораторного микроскопа и цифровой VGA камеры. Для построения модели использовалось 60 изображений клеток обоих типов (калибровочный набор), для оценки качества распознавания использовался второй, тестовый набор, состоящий из 96 изображений клеток.

В результате проверки работы классификатора на тестовом наборе данных использование вейвлет-преобразования позволило правильно распознать 75% клеток, в том время как метод среднеугловых спектров позволил правильно классифицировать 96% нейтрофилов и 97% лимфоцитов. В настоящее время авторами разрабатывается ряд инноваций, который позволят улучшить качество распознавания, и, в том числе классифицировать похожие типы клеток.