Browsing by Author "Піцун, О. Й."

Now showing 1 - 2 of 2

Multi-thread parallelizing of cell characteristics of biomedical images
(Видавництво Львівської політехніки, 2022-02-28) Піцун, О. Й.; Pitsun, O. Yo.; Західноукраїнський національний університет; West Ukrainian National University
Запропоновано підхід до розпаралелення процесу обчислення кількісних характеристик ядер клітин на біомедичних зображеннях (цитологічних, гістологічних, імуногістохімічних), що дасть змогу пришвидшити процес постановки діагнозу. Для постановки діагнозу використовують сучасні методи і засоби інтелектуального аналізу даних, складовою частиною якого є класифікація даних. При використанні згорткових нейронних мереж вхідними даними для їх класифікації є зображення у форматі *.jpg, *.png, *.bmp та ін. Альтернативні алгоритми та засоби оброблення даних здебільшого вимагають наявності кількісних характеристик. У випадку використання біомедичних зображень кількісними характеристиками є площа, периметр, окружність, довжина головної та бічної осі ядра клітин. Площа та інші характеристики ядер клітин характеризують нормальний стан або наявність патології. Розпаралелення процесу обчислення характеристик біомедичних зображень реалізовано на підставі алгоритмів комп'ютерного зору для виділення необхідних об'єктів і засобів програмного розпаралелення задач на рівні потоків для пришвидшення процесу обчислення характеристик ядра клітин. Підхід полягає у програмному розпаралеленні на рівні потоків незалежних задач обчислення кількісних характеристик ядер клітин з використанням Executor framework. Встановлено, що наявні системи автоматизованої мікроскопії та системи діагностування на підставі зображень не володіють наявністю великої кількості характеристик ядер клітин та не мають механізмів до розпаралелення процесу їх обчислення. Запропонований підхід дає змогу пришвидшити процес обчислення кількісних характеристик ядер клітин на 25 %. Актуальність задачі розпаралелення обумовлена потребою опрацювання великого обсягу даних для подальшої їх редукції та класифікації. Розпаралелення на рівні потоків дає змогу збільшити швидкість опрацювання зображень та не вимагає наявності спеціалізованого апаратного забезпечення.
Застосування методу лінійної регресії для аналізу кількісних характеристик цитологічних зображень
(Видавництво Львівської політехніки, 2021-10-10) Березький, О. М.; Піцун, О. Й.; Мельник, Г. М.; Дацко, Т. В.; Berezsky, O. M.; Pitsun, O. Yo.; Melnyk, G. M.; Datsko, T. V.; Національний університет “Львівська політехніка”; Західноукраїнський національний університет; Тернопільський національний медичний університет; Lviv Polytechnic National University; West Ukrainian National University; Ternopil National Medical University
Проаналізовано патологічні стани молочної залози на підставі дослідження цитологічних зображень. Цитологічні зображення – це окремий клас біомедичних зображень і використовуються для діагностування онкологічних захворювань. Для діагностування передракових і ракових станів та тактики лікування лікарі-діагности використовують цитологічні, гістологічні та імуногістохімічні зображення. Для автоматизації процесу діагностування в онкології використовують системи автоматизованої мікроскопії. У системах автоматизованої мікроскопії використовують алгоритми комп’ютерного зору. Останнім часом для класифікації зображень використовують алгоритми машинного навчання Опрацювання мікроскопічних зображень є складним і трудомістким процесом, оскільки зображення характеризуються високим рівнем шуму та відсутністю чітких контурів ядер клітин. Для обчислення кількісних характеристик ядер клітин цитологічних зображень розроблено метод обчислення кількісних характеристик ядер клітин на підставі алгоритмів фільтрації зображень та їх автоматичної сегментації. Для сегментації ядер клітин розроблено архітектуру згорткової нейронної мережі типу U-Net. У цій статті розроблено метод опрацювання цитологічних зображень. Метод складається з шести етапів. На першому етапі відбувається завантаження зображення у пам’ять комп’ютера, на другому – попереднє оброблення зображень. На третьому етапі здійснюється автоматична сегментація зображень на підставі згорткової нейронної мережі типу U-Net. На четвертому етапі виконується обчислення кількісних характеристик ядер клітин. На п’ятому етапі кількісні характеристик ядер клітин зберігаються в базі даних. На шостому етапі застосовують алгоритми лінійної регресії для отримання кількісних характеристик ядер клітин. Сьогодні лінійна регресія є одним із поширених підходів машинного навчання до аналізу даних. Здійснено порівняльний аналіз застосування кількісних характеристик ядер клітин на підставі лінійної регресії. Наукова новизна роботи полягає у розробленні методу обчислення кількісних характеристик ядер клітин, який містить етапи фільтрації зображень та автоматичної сегментації на підставі використання нейронної мережі типу U-Net. Практичне значення роботи – програмна реалізація модулів попереднього оброблення цитологічного зображення та лінійної регресії. Досліджено, що у сукупності параметрів “площа, довжина головної осі” в 1,4 разу менша похибка RMSE порівняно із сукупністю “площа, периметр”.