Грант ГПНИ на 2016-2018 гг. программы «Информатика, космос и безопасность» 05.13.01 «Разработка методов, моделей и программных средств для анализа многоканальных люминесцентных изображений раковых клеток».

В результате проведенного исследования разработано формализованное логическое представление люминесцентных изображений раковых клеток, на основе которого была построена имитационная модель, позволяющая моделировать многоканальные изображения раковых клеток, учитывая степень сгруппированности клеток, их перекрытие, а также искажения, возникающие в результате регистрации изображения. Произведено сравнение смоделированных и экспериментально полученных изображений по распределению интенсивностей во всех цветовых каналах и по площади ядер клеток.

Проведен анализ методов снижения шума. Рассматривались методы NLM, SAFIR и BM3D, получавшие неоднократно наивысшие оценки в сравнительных обзорах, опубликованных в научных статьях. Наилучшие результаты были получены для метода нелокальных усреднений NLM. Достоинствами метода NLM является быстрота выполнения, хорошее устранение шума при сохранении границ объектов.

Выполнена разработка алгоритма сегментации границ цитоплазм клеток с целью выделения биомаркера рака вне ядер клеток, позволяющего автоматически оценивать размеры ядер. Разработан алгоритм восстановления информации об интенсивности пикселей цитоплазмы клеток. В основе алгоритма восстановления информации лежит применение метода главных компонент. Было проведено исследование различных комбинаций компонент изображения для достижения наилучшей сегментации границ цитоплазм клеток в пространстве главных компонент. В основе алгоритма лежит пороговый метод. Для разделения цитоплазм слившихся клеток использовался водораздельный метод с фильтрацией по методу Гаусса. Наилучшие результаты были получены при комбинации возведения в степень интенсивности пикселей.

Выполнен отбор наиболее информативных признаков сегментированных объектов. В результате выполненной работы из 59 геометрических признаков формы были отобраны 11 наиболее информативных признаков (ошибка классификации 0.110) для описания ядер на люминесцентных изображениях раковых клеток с сохранением точности классификации объектов. Временные затраты в результате уменьшения количества признаков для описания объектов были сокращены в 2.3 раза. В результате анализа характеристик распределения интенсивности было показано, что 6 найденных наиболее информативных признаков являются полностью достаточным для описания всех объектов. При этом точность классификации сохраняется и составляет 0.025. При использовании всего 2 наиболее информативных признаков (верхний квантиль интенсивности в красном канале и математическое ожидание в зеленом канале) ошибка классификации составляет 0.03, что достаточно для уверенной классификации объектов на изображениях. Временные затраты в результате уменьшения количества признаков для описания объектов были сокращены в 3 раза.

Разработанные алгоритмы и модели внедрены в программный продукт CellDataMiner, интегрирующий объектно-ориентированную методологию анализа биообъектов люминесцентных изображений на пиксельном уровне с последующим использованием методов интеллектуального анализа данных для выделения групп раковых. Проведено техническое и экспериментальное тестирование разработанного программного пакета CellDataMiner на смоделированных и экспериментальных данных. Выполнен анализ предоставленных зарубежным партнером биомедицинских изображений (137 единиц), полученных в ходе экспериментов по исследованию микрочипов тканей опухолей молочной железы. В результате исследования определено количество раковых и нераковых клеток на каждом из исследуемых изображений. Общее количество клеток варьируется в пределах 1000 – 3000. Количество раковых клеток варьируется в пределах 100 – 1700. Результаты анализа демонстрируют, что отобранные признаки позволяют успешно выделять кластеры объектов на изображениях. При этом необходимо отметить, что для успешной классификации объектов достаточным является использование параметров формы. Ядра раковых клеток в большинстве своем обладают большими размерами, чем ядра здоровых клеток. Для нераковых объектов характерна большая экспрессия в синем канале, чем для раковых клеток. Необходимо отметить, что зеленый краситель используется только для цитоплазмы, тем не мене его накопление в ядрах раковых клеток происходит интенсивнее, чем в ядрах здоровых клеток.

По результатам работы принято к публикации 2 статьи и опубликована 1 статья в рецензируемых научных журналах, опубликованы 3 статьи и 1 тезис докладов на научных конференциях разного уровня, оформлено 2 акта об использовании результатов НИР в учебном процессе, а также один акт о практическом использовании результатов исследования в Республиканском научно-практическом центре онкологии и медицинской радиологии им. Н. Н. Александрова и одни методические указания к лабораторным работам.