RU2803277C1 - Method of detailing the structural elements of biomedical research objects - Google Patents

Abstract

FIELD: medicine.

SUBSTANCE: invention can be used to detail the structural elements of biomedical research objects. The following is proposed: a method of detailing the structural elements of medical and biological objects of study, according to which a color image of blood smears and/or bone marrow is obtained using a computer analyzer, after which threshold operations are applied to the obtained color image, then areas corresponding to the nuclei of leukocytes are selected by means of the procedure for analyzing objects on a binary image with filling voids inside each leukocyte nucleus, then bilateral and median filters are applied to the selected leukocyte nuclei, after applying the filters, the processed image is subtracted from the original image and a detail layer is formed to obtain the resulting image, then the procedure for enhancing the details of a given scale is carried out and the correction procedure is performed image brightness and contrast through gamma conversion.

EFFECT: invention provides an increase in the objectivity, informativeness and reliability of image analysis in the formation of a diagnostic conclusion in the course of diagnosing oncological diseases, namely, analysis of the chromatin structure of leukocyte nuclei in oncohematological diagnostics.

3 cl, 4 dwg, 1 tbl

Description

Область техникиField of technology

Изобретение относится к медицине, а именно к онкологии, и может быть использовано для детализации структурных элементов на изображениях медико-биологических препаратов, в частности анализа структуры изображений ядер клеток крови и/или костного мозга при диагностике острых лейкозов.The invention relates to medicine, namely to oncology, and can be used to detail structural elements in images of medical and biological preparations, in particular to analyze the structure of images of blood cell nuclei and/or bone marrow in the diagnosis of acute leukemia.

Острые лейкозы (ОЛ) относятся к опухолевым заболеваниям кроветворной и лимфатической ткани (гемобластозам). При диагностике острых лейкозов широко применяются исследования морфологических особенностей лейкоцитов периферической крови и препаратов костного мозга, цитохимический, иммунофенотипический и цитогенетический методы анализа. Правильно поставленный диагноз позволяет врачу определить клиническое течение заболевания, соответствующие лечебные мероприятия, прогноз заболевания [1].Acute leukemia (AL) refers to tumor diseases of hematopoietic and lymphatic tissue (hemoblastosis). When diagnosing acute leukemia, studies of the morphological characteristics of peripheral blood leukocytes and bone marrow preparations, cytochemical, immunophenotypic and cytogenetic methods of analysis are widely used. A correct diagnosis allows the doctor to determine the clinical course of the disease, appropriate treatment measures, and prognosis of the disease [1].

Один из ключевых этапов диагностики острых лейкозов морфологическое исследование препаратов клеток костного мозга с применением световой микроскопии. Особое внимание уделяется анализу структуры биологического объекта.One of the key stages in the diagnosis of acute leukemia is a morphological study of bone marrow cell preparations using light microscopy. Particular attention is paid to the analysis of the structure of a biological object.

Характеристика хроматина бластов является важным биологическим критерием, который дает основания предполагать взаимосвязь между ориентацией клеточной дифференцировки и структурой хроматина ядер. Проблему представляет слабая детализация изображений объектов, полученных цифровой камерой, затрудняющая анализ структурных элементов медико-биологических объектов исследования и однозначную интерпретацию картины наблюдаемой врачом.The characteristics of blast chromatin are an important biological criterion that suggests a relationship between the orientation of cell differentiation and the structure of nuclear chromatin. The problem is presented by the poor detail of images of objects obtained by a digital camera, which makes it difficult to analyze the structural elements of medical and biological objects of study and an unambiguous interpretation of the picture observed by a doctor.

Уровень техники:State of the Art:

Под детализацией будем понимать микроконтраст или изменения тона на уровне пикселей. А под мелкой, средней и крупной детализацией микроконтраст границ структур соответствующего масштаба. Микроконтраст относится к контрасту, измеренному между соседними пикселями [2-3].By detail we mean micro-contrast or changes in tone at the pixel level. And under the fine, medium and large detail there is a micro-contrast of the boundaries of structures of the corresponding scale. Microcontrast refers to the contrast measured between adjacent pixels [2-3].

Известен способ коррекции сигнала датчика изображения слабоконтрастных объектов в системах компьютерной микроскопии при онкологической диагностике [Патент РФ на изобретение 2712941].There is a known method for correcting the image sensor signal of low-contrast objects in computer microscopy systems for oncological diagnostics [RF Patent for invention 2712941].

Технический результат изобретения заключается в коррекции сигнала датчика изображения слабоконтрастных объектов в системах компьютерной микроскопии при онкологической диагностике и повышения точности расчета характеристик при автоматизации процесса диагностики.The technical result of the invention consists in correcting the image sensor signal of low-contrast objects in computer microscopy systems for oncological diagnosis and increasing the accuracy of calculating characteristics when automating the diagnostic process.

Недостатком данного изобретения является сложность его практической реализации состоящая в предварительных дополнительных измерениях и направленная на корректировку сигнала определенных устройств и затрудняющая коррекцию одиночных изображений, когда нет возможности провести дополнительные измерения.The disadvantage of this invention is the complexity of its practical implementation, which consists in preliminary additional measurements and is aimed at correcting the signal of certain devices and makes it difficult to correct single images when it is not possible to carry out additional measurements.

Известен способ автоматизированного анализа клеток крови посредством описания лейкоцитов на основе оптических особенностей структуры ядер [Патент РФ на изобретение 2612007], включающий представление изображения в компьютерном анализаторе изображений, отличающийся тем, что определяют количественные характеристики клетки крови, значения которых получают расчетным путем на основании измерений, выполненных по микроскопическим изображениям внутренних структур ядра клетки крови, и при этом рассчитываемые характеристики определены таким образом, чтобы соответствовать тем качественным признакам структуры хроматина ядра клетки крови, которые используют врачи при визуальном анализе микроскопических изображений мазков крови, при этом представляют изображения ядра клетки крови в виде совокупности светлых и темных объектов - структурных элементов, отражающих такие визуально наблюдаемые в микроскопическом изображении характерные объекты анализа, как «зерна» в изображении грубой структуры хроматина, «ячейки» в сетчатой структуре хроматина; выделение светлых и темных структурных элементов в изображении ядра клетки крови выполняют путем сегментации, сочетающей бинаризацию с различными уровнями порогового ограничения с применением логических функций конъюнкции и дизъюнкции для объединения частей объектов ввиду того, что один уровень может представлять только часть объекта, причем для количественного описания выделенных структурных элементов, соответствующих оптическим характеристикам структуры ядра клетки крови, измеряют следующие морфологические характеристики объектов.There is a known method for automated analysis of blood cells by describing leukocytes based on the optical features of the structure of the nuclei [RF Patent for invention 2612007], including image presentation in a computer image analyzer, characterized in that the quantitative characteristics of the blood cell are determined, the values of which are obtained by calculation based on measurements, made from microscopic images of the internal structures of the blood cell nucleus, and at the same time, the calculated characteristics are determined in such a way as to correspond to those qualitative features of the chromatin structure of the blood cell nucleus that doctors use when visually analyzing microscopic images of blood smears, while representing images of the blood cell nucleus in the form collections of light and dark objects - structural elements, reflecting such characteristic objects of analysis visually observed in a microscopic image, as “grains” in the image of the rough structure of chromatin, “cells” in the mesh structure of chromatin; the selection of light and dark structural elements in the image of the nucleus of a blood cell is performed by segmentation, combining binarization with different levels of threshold limitation using the logical functions of conjunction and disjunction to combine parts of objects due to the fact that one level can represent only part of the object, and for a quantitative description of the selected structural elements corresponding to the optical characteristics of the structure of the nucleus of a blood cell, the following morphological characteristics of objects are measured.

Недостатком данного изобретения является отсутствие учета детализации при формировании структурных элементов.The disadvantage of this invention is the lack of consideration of detail when forming structural elements.

Существующие способы повышения информативности медицинских изображений не учитывают детализацию изображений медико-биологических объектов исследования, что ухудшает объективность, информативность и достоверность проведения анализа изображений при формировании диагностического заключения в ходе диагностики онкологических заболеваний, а именно анализа структуры хроматина ядер лейкоцитов при онкогематологической диагностике.Existing methods for increasing the information content of medical images do not take into account the detail of images of medical and biological objects of study, which impairs the objectivity, information content and reliability of image analysis when forming a diagnostic conclusion during the diagnosis of oncological diseases, namely the analysis of the chromatin structure of leukocyte nuclei in oncohematological diagnostics.

Сущность изобретенияThe essence of the invention

Техническим результатом изобретения является повышение объективности, информативности и достоверности проведения анализа изображений при формировании диагностического заключения в ходе диагностики онкологических заболеваний, а именно анализа структуры хроматина ядер лейкоцитов при онкогематологической диагностике.The technical result of the invention is to increase the objectivity, information content and reliability of image analysis when forming a diagnostic conclusion during the diagnosis of oncological diseases, namely the analysis of the chromatin structure of leukocyte nuclei during oncohematological diagnosis.

Указанный технический результат достигается за счет того, что, в способе детализации структурных элементов медико-биологических объектов исследования, включающем получение цветного изображения мазков крови и/или костного мозга с помощью компьютерный анализатора, после чего применяют пороговые операции к полученному цветному изображению, затем выделяют области соответствующие ядрам лейкоцитов посредством процедуры анализа объектов на бинарном изображении с заполнением пустот внутри каждого ядра лейкоцита, затем к выделенным ядрам лейкоцитов применяют билатеральный и медианный фильтры, после применения фильтров вычитают обработанное изображение из исходного изображения и формируют детализирующий слой для получения результирующего изображения, затем проводят процедуру усиления деталей заданного масштаба и выполняют процедуру корректировки яркости и контраста изображения посредствам гамма-преобразования.The specified technical result is achieved due to the fact that, in the method of detailing the structural elements of medical and biological research objects, including obtaining a color image of blood smears and/or bone marrow using a computer analyzer, after which threshold operations are applied to the resulting color image, then areas are selected corresponding to the nuclei of leukocytes through the procedure of analyzing objects in a binary image with filling the voids inside each nuclei of a leukocyte, then bilateral and median filters are applied to the selected nuclei of leukocytes, after applying the filters, the processed image is subtracted from the original image and a detailing layer is formed to obtain the resulting image, then the procedure is carried out enhance details of a given scale and perform a procedure for adjusting the brightness and contrast of the image through gamma transformation.

Описание графических материаловDescription of graphic materials

Изобретение поясняется чертежами, где наThe invention is illustrated by drawings, where

Фиг. 1 - показана структура программно-аппаратного комплекса получения изображения.Fig. 1 - shows the structure of the hardware and software complex for image acquisition.

Фиг. 2 - структурная схема реализации способа повышения детализации структурных элементов медико-биологического объекта на примере исследования изображений с препаратов клеток костного мозга.Fig. 2 - block diagram of the implementation of a method for increasing the detail of the structural elements of a medical-biological object using the example of studying images from preparations of bone marrow cells.

Фиг. 3 Сравнение применения различных сглаживающих фильтров с одинаковым окном фильтрации - 5×5: а) исходное изображение; б) билатеральный фильтр; в) медианный фильтр; г) медианный фильтр со сдвинутым окном фильтрации.Fig. 3 Comparison of the use of various anti-aliasing filters with the same filtering window - 5×5: a) original image; b) bilateral filter; c) median filter; d) median filter with a shifted filtering window.

Фиг. 4 Изменение конечного изображения в зависимости от значений параметров преобразования (билатеральный фильтр с окном 5×5): а) исходное изображение, б) - м) результирующие изображения с различными коэффициентами детализации и гамма преобразования (Таб. 1 – см. в графической части).Fig. 4 Change in the final image depending on the values of the transformation parameters (bilateral filter with a 5×5 window): a) original image, b) - l) resulting images with different coefficients of detail and gamma transformation (Table 1 - see in the graphic part) .

Осуществление изобретенияCarrying out the invention

Основные этапы, на которых базируется предлагаемый способ, отражают технологию обработки информации в системе (независимо от конкретной программной реализации и технической реализации)The main stages on which the proposed method is based reflect the technology of information processing in the system (regardless of the specific software implementation and technical implementation)

Заявленный способ реализуется с помощью программно-аппаратного комплекса (фиг. 1) следующим образом.The claimed method is implemented using a hardware and software complex (Fig. 1) as follows.

Регистратор видеоизображения - телекамера (фиг. 1) (осуществляет регистрацию видеоизображения.Video image recorder - television camera (Fig. 1) (records video images.

Процесс обработки зарегистрированного изображения представлен на Фиг. 2.The processing process of the registered image is shown in Fig. 2.

Для выделения ядра клетки применяется программа, основанная на нахождении порога яркости для разделения изображения по гистограмме (фиг. 2 - выделение ядра клетки крови).To isolate the cell nucleus, a program is used that is based on finding the brightness threshold for dividing the image according to the histogram (Fig. 2 - highlighting the blood cell nucleus).

Далее для полученного изображения применяется сглаживающий фильтр с сохранением краев. Детализирующий слой - изображение, полученное путем вычитания из исходного изображения результата его обработки фильтром. Для формирования детализирующего слоя и сохранения краев области интереса применялись медианный и двусторонний (билатеральный) фильтры.Next, an edge-preserving anti-aliasing filter is applied to the resulting image. A detail layer is an image obtained by subtracting the result of its processing by a filter from the original image. Median and two-way (bilateral) filters were used to form a detail layer and preserve the edges of the region of interest.

Затем проводится процедура формирования детализирующего слоя. Первый детализирующий слой d₁ формируется посредствам вычитания из исходного изображения результата его обработки сглаживающим фильтром с сохранением краев изображения. Затем процедура повторяется еще два раза для формирования детализирующих слоев d₂ и d₃, последнее обработанное фильтром изображение формирует базовый слой и.Then the procedure for forming a detailing layer is carried out. The first detailing layer d ₁ is formed by subtracting the result of its processing with an anti-aliasing filter from the original image while preserving the edges of the image. Then the procedure is repeated two more times to form detail layers d ₂ and d ₃ , the last image processed by the filter forms the base layer and.

Следующим этапом выполняется усиление деталей заданного масштаба.The next step is to strengthen parts of a given scale.

Усиление или ослабление деталей различных масштабов, при формировании результирующего изображения, регулируется за счет повышающих коэффициентов и функции сигмоиды по формуле:Strengthening or weakening of details of various scales, when forming the resulting image, is regulated by increasing coefficients and the sigmoid function according to the formula:

где μ - среднее, η - коэффициент, отвечающий за экспозицию, δ₀ - повышающий коэффициент для базового слоя, δ₁, δ₂, δ₃ - повышающие коэффициенты соответствующего детализированного слоя, S - сигмоида.where μ - average, η - coefficient responsible for exposure, δ ₀ - increasing coefficient for the base layer, δ ₁ , δ ₂ , δ ₃ - increasing coefficients of the corresponding detailed layer, S - sigmoid.

Каждое из пяти слагаемых в формуле (1) принадлежит диапазону от 0 до 1. Для того чтобы конечное значение яркости не выходило за диапазон яркостей пикселей изображения необходимо использовать корректирующий коэффициент где n - количество детализирующих слоев.Each of the five terms in formula (1) belongs to the range from 0 to 1. To ensure that the final brightness value does not go beyond the brightness range of the image pixels, it is necessary to use a correction factor where n is the number of detail layers.

После преобразования, описанного на предыдущем шаге, изображение получается бледным и неконтрастным, что ухудшает как визуальное восприятие, так и различимость текстуры. Поэтому яркость и контрастность изображения необходимо скорректировать. Для этого был применен наиболее простой и эффективный метод, который относится к попиксельным преобразованиям - гамма-преобразование:After the transformation described in the previous step, the image turns out to be pale and lacking in contrast, which impairs both visual perception and texture discernibility. Therefore, the brightness and contrast of the image must be adjusted. For this, the simplest and most effective method was used, which relates to pixel-by-pixel transformations - gamma transformation:

После чего на выходе получается результирующее изображение, с которым проводят дальнейшие операции.After that, the output is the resulting image, with which further operations are carried out.

Результаты экспериментальных исследованийExperimental results

Экспериментальные исследования направлены на проверку адекватности предложенного способ детализации структурных элементов медико-биологического объекта исследования. Исследование проводилось в два этапа: поиск визуально оптимальных параметров и оценка влияния повышения детализации структурных элементов медико-биологического объекта на точность распознавания. В качестве исходных данных использовалась выборка 12960 изображений клеток костного мозга, из которых были отобраны изображения по 280 бластов и лимфоцитов, т.к. они вызывают наибольшие сложности в установлении типа.Experimental studies are aimed at testing the adequacy of the proposed method of detailing the structural elements of a medical and biological object of study. The study was carried out in two stages: searching for visually optimal parameters and assessing the impact of increasing the detail of the structural elements of a medical-biological object on recognition accuracy. A sample of 12,960 images of bone marrow cells was used as initial data, from which images of 280 blasts and lymphocytes were selected, because they cause the greatest difficulties in establishing the type.

Для первого этапа параметры подбирались так, чтобы насыщенность цвета, освещенность и яркость полученного изображения были схожими с исходным изображением, а четкость деталей и границ была наибольшей. Насыщенность цвета в основном зависит от повышающего коэффициента базового слоя, так как от его значения зависит вклад в результирующее изображение базового слоя, на котором находится практически вся информация о цвете. Яркость изображения можно регулировать тремя коэффициентами η, γ, с одновременно. Изменить детализацию различного масштаба можно с помощью трех повышающих коэффициентов: δ₁, δ₂, δ₃. Так как на первом детальном слое (мелкая детализация) остаются не только мелкие детали, но и шум, то для этого слоя коэффициент был выбран с маленьким значением, а коэффициенты второго и третьего слоев (детализация среднего и крупного масштаба) были выбраны с большим значением.For the first stage, the parameters were selected so that the color saturation, illumination and brightness of the resulting image were similar to the original image, and the clarity of details and boundaries was greatest. Color saturation mainly depends on the enhancement factor of the base layer, since its value determines the contribution to the resulting image of the base layer, which contains almost all the color information. The brightness of the image can be adjusted by three coefficients η, γ, s simultaneously. You can change the detail of different scales using three increasing factors: δ ₁ , δ ₂ , δ ₃ . Since on the first detailed layer (fine detail) not only small details remain, but also noise, the coefficient for this layer was selected with a small value, and the coefficients of the second and third layers (medium and large scale detail) were selected with a large value.

В ходе второго этапа оценивалось влияние повышения детализации структурных элементов медико-биологического объекта на точность распознавания. Для каждого изображения ядра клетки крови формируется набор, из морфологических и текстурных характеристик для компонент цветовых моделей RGB, XYZ, HSL, Lab, Luv, HSI, HSV, YUV, YIQ, YCbCr, CMY. Классификация проводилась в двумерном пространстве признаков [2].During the second stage, the impact of increasing the detail of the structural elements of a medical and biological object on the recognition accuracy was assessed. For each image of a blood cell nucleus, a set of morphological and texture characteristics is formed for the components of the RGB, XYZ, HSL, Lab, Luv, HSI, HSV, YUV, YIQ, YCbCr, CMY color models. The classification was carried out in a two-dimensional feature space [2].

Первый этап: поиск оптимальных параметров предложенного метода детализации структуры медико-биологического объекта на примере клеток костного мозга.The first stage: searching for optimal parameters of the proposed method for detailing the structure of a medical and biological object using the example of bone marrow cells.

Рассмотрим влияние сглаживающего фильтра на конечный результат. Как видно из Фиг. 3 наиболее естественный вид имеет изображение, а), для получения которого использовался билатеральный фильтр. Так же хороший результат дает медианный фильтр со сдвинутым окном фильтрации: изображение г) выглядит не так естественно, при этом для большинства деталей характерна выраженность рельефа, возникающая из-за небольшого сдвига при фильтрации.Let's consider the effect of the anti-aliasing filter on the final result. As can be seen from FIG. 3, the image a) has the most natural appearance, for which a bilateral filter was used. The median filter with a shifted filtering window also gives a good result: image d) does not look so natural, while most details are characterized by a pronounced relief that occurs due to a slight shift during filtering.

Влияние остальных параметров преобразования (Фиг. 4) на изображения. При усилении первого детализирующего слоя помимо мелких деталей так же сильно увеличивается и зашумленность изображения (д). Поэтому, в итоговом преобразовании коэффициент δ₁ = 0, то есть слой мелкой детализации оказывается полностью подавленным. Это позволяет избавиться от влияния шума, но приводит к потере информации о мелкомасштабных деталях, находящихся на этом слое. Данная информация является важной с точки зрения дифференцировки клеток по типам.The influence of other transformation parameters (Fig. 4) on images. When the first detailing layer is strengthened, in addition to small details, the image noise also increases greatly (e). Therefore, in the final transformation the coefficient δ ₁ = 0, that is, the fine detail layer is completely suppressed. This allows you to get rid of the influence of noise, but leads to the loss of information about small-scale details located on this layer. This information is important from the point of view of cell type differentiation.

Увеличение влияния деталей среднего и крупного масштаба, по отдельности, сильного визуального улучшения не дает Фиг. 4 (е), ж), а при совмещении слоев детализация становится значительно лучше Фиг. 4 (з).Increasing the influence of medium- and large-scale details, separately, does not provide a strong visual improvement. 4 (e), g), and when combining layers, the detail becomes much better Fig. 4(h).

При подборе параметров, отвечающих за яркость и насыщенность, наилучший результат показан в Табл. 1 в строке б). При больших значениях параметра 6₀ изображение Фиг. 4 (г) становится насыщенным по цвету, в противном случае - серым (Фиг. 4 в). Увеличение значения η или уменьшение параметра γ изображение становится ярким Фиг. 4 - к) и м). Наоборот, уменьшение η или увеличение γ приводило к излишнему затемнению Фиг. 4 и) и л).When selecting parameters responsible for brightness and saturation, the best result is shown in Table. 1 in line b). For large values of parameter 6 ₀ , the image of Fig. 4 (d) becomes saturated in color, otherwise - gray (Fig. 4 c). Increasing the value of η or decreasing the parameter γ, the image becomes bright FIG. 4 - j) and m). On the contrary, a decrease in η or an increase in γ led to excessive darkening of Fig. 4 i) and k).

Второй этап: оценка влияния повышения детализации структурных элементов медико-биологического объекта на точность распознавания. Для проведения исследований использовались методики и рекомендации, указанные в работе [3].Second stage: assessing the impact of increasing the detail of the structural elements of a medical-biological object on the recognition accuracy. To conduct the research, the methods and recommendations specified in [3] were used.

На втором этапе эксперимента определялась точность распознавания при оптимальных значениях параметров модели. Экспериментальная выборка сформирована из 12560 изображений с препаратов костного мозга, описанных специалистами. Из отобранных 560 изображений клеток костного мозга сформированы две группы клеток: бласт и лимфоцит по 280 изображений в каждой. Исследование проводилось с использованием базовых моделей текстурных признаков, рассчитанных по изображениям ядер клеток костного мозга [3]. Без повышения детализации структурных элементов медико-биологического объекта точность распознавания клеток костного мозга по результатам эксперимента составила 79%. Результат распознавания в 79% согласуется с данными, представленными в работе [2], в которой для базовых текстурных признаков из работы [3] указано значение около 80% для всевозможных комбинаций. Предложенное нами решение позволило улучшить точность распознавания до 87%. Тем самым показано, что при разработке методов цифровой обработки изображений при анализе структурных элементов медико-биологических объектов следует использовать методы, повышающие уровень детализации объектов исследования.At the second stage of the experiment, the recognition accuracy was determined at optimal values of the model parameters. The experimental sample was formed from 12,560 images from bone marrow preparations described by specialists. From the selected 560 images of bone marrow cells, two groups of cells were formed: blast and lymphocyte, 280 images each. The study was carried out using basic models of texture features calculated from images of bone marrow cell nuclei [3]. Without increasing the detail of the structural elements of a medical-biological object, the accuracy of recognition of bone marrow cells according to the results of the experiment was 79%. The recognition result of 79% is consistent with the data presented in [2], in which for the basic texture features from [3] a value of about 80% is indicated for all possible combinations. Our proposed solution improved the recognition accuracy to 87%. Thus, it is shown that when developing methods for digital image processing when analyzing the structural elements of medical and biological objects, methods that increase the level of detail of the objects of study should be used.

Предложен способ детализации структурных элементов медико-биологического объекта на примере изображений структуры хроматина ядер клеток костного мозга при диагностике острого лейкоза. Способ включает следующие процедуры: выделение изображения ядра клетки крови костного мозга на основе гистограмм; сглаживание с сохранением краев; формирование детализирующего слоя; усиление деталей заданного масштаба; гамма-преобразование.A method for detailing the structural elements of a medical-biological object is proposed using the example of images of the chromatin structure of bone marrow cell nuclei in the diagnosis of acute leukemia. The method includes the following procedures: isolating an image of a bone marrow blood cell nucleus based on histograms; smoothing while preserving edges; formation of a detailing layer; strengthening details of a given scale; gamma transform.

Для проверки адекватности разработанного метода проведен эксперимент, в рамках которого выделено 560 ядер с изображений препаратов костного мозга, разделенных на две группы бласт и лимфоцит по 280 изображений в каждой. Оценка влияния повышения детализации структуры медико-биологического объекта на точность распознавания показала улучшение разделения для базовых текстурных признаков с 79% до 87%, повышение объективности, информативности и достоверности проведения анализа изображений при формировании диагностического заключения в ходе диагностики онкологических заболеваний, а именно анализа структуры хроматина ядер лейкоцитов при онкогематологической диагностике.To test the adequacy of the developed method, an experiment was conducted in which 560 nuclei were isolated from images of bone marrow preparations, divided into two groups of blast and lymphocyte, 280 images each. An assessment of the impact of increasing the detail of the structure of a medical-biological object on recognition accuracy showed an improvement in separation for basic texture features from 79% to 87%, an increase in the objectivity, information content and reliability of image analysis when forming a diagnostic conclusion during the diagnosis of oncological diseases, namely the analysis of chromatin structure leukocyte nuclei in oncohematological diagnostics.

Список литературных источниковList of references

1. Гематология: руководство для врачей / Под ред. Н.Н. Мамаева. СПб.: СпецЛит, 2019. 639 с.1. Hematology: a guide for doctors / Ed. N.N. Mamaeva. St. Petersburg: SpetsLit, 2019. 639 p.

2. Поляков Е.В. Анализ эффективности методов и моделей обработки изображений препаратов крови и костного мозга для автоматизированной диагностики острых лейкозов / Е.В. Поляков // Системный анализ и управление в биомедицинских системах. - 2019. - Т. 18. - №2. - С. 133-144.2. Polyakov E.V. Analysis of the effectiveness of methods and models for processing images of blood and bone marrow preparations for automated diagnosis of acute leukemia / E.V. Polyakov // System analysis and management in biomedical systems. - 2019. - T. 18. - No. 2. - pp. 133-144.

3. Поляков Е.В. Методы и модели анализа структуры хроматина ядер клеток костного мозга для систем автоматизированной диагностики острых лейкозов: автореф. кан. тех. наук: 2.2.12 / Поляков Евгений Валерьевич. - М.:НИЯУ МИФИ, 2022. - 22 с.3. Polyakov E.V. Methods and models for analyzing the chromatin structure of bone marrow cell nuclei for automated diagnostic systems of acute leukemia: abstract. can. those. Sciences: 2.2.12 / Polyakov Evgeniy Valerievich. - M.:NRNU MEPhI, 2022. - 22 p.

4. Farbman Z. et al. Edge-preserving decompositions for multi-scale tone and detail manipulation //ACM transactions on graphics (TOG). - 2008. - T. 27. - №. 3. - C. 1-10.doi: https://doi.org/10.1145/1360612.13606664. Farbman Z. et al. Edge-preserving decompositions for multi-scale tone and detail manipulation //ACM transactions on graphics (TOG). - 2008. - T. 27. - No. 3. - P. 1-10.doi: https://doi.org/10.1145/1360612.1360666

5. Dai G. P. Palm print image de-noising based on BEMD and wavelet packet transform-wiener filter //International Conference on Intelligent Computing. -Springer, Berlin, Heidelberg, 2011. - C. 290-297. doi: https://doi.org/10.1007/978-3-642-24728-6_395. Dai G. P. Palm print image de-noising based on BEMD and wavelet packet transform-wiener filter //International Conference on Intelligent Computing. -Springer, Berlin, Heidelberg, 2011. - pp. 290-297. doi: https://doi.org/10.1007/978-3-642-24728-6_39

6. Badri H., Yahia H., Aboutajdine D. Fast multi-scale detail decomposition via accelerated iterative shrinkage //SIGGRAPH Asia 2013 Technical Briefs. 2013. C. 1-4.6. Badri H., Yahia H., Aboutajdine D. Fast multi-scale detail decomposition via accelerated iterative shrinkage //SIGGRAPH Asia 2013 Technical Briefs. 2013. pp. 1-4.

7. The method of segmentation of leukocytes in information-measuring systems7 153 on the basis of light microscopy / VG Nikitaev, AN Pronichev, EV Polyakov, Yu V Zaharenko // Journal of Physics: Conference Series / IOP Publishing. - Vol.945. - 2018. - P. 012006 doi: 10.1088/1742-6596/945/1/0120067. The method of segmentation of leukocytes in information-measuring systems7 153 on the basis of light microscopy / VG Nikitaev, AN Pronichev, EV Polyakov, Yu V Zaharenko // Journal of Physics: Conference Series / IOP Publishing. - Vol.945. - 2018. - P. 012006 doi: 10.1088/1742-6596/945/1/012006

8. Gonzalez R.C., Woods R.E. Digital Image Processing, 4th Edition. Pearson, 2018.8. Gonzalez R.C., Woods R.E. Digital Image Processing, 4th Edition. Pearson, 2018.

Claims (3)

1. Способ детализации структурных элементов медико-биологических объектов исследования, включающий получение цветного изображения мазков крови и/или костного мозга с помощью компьютерного анализатора, после чего применяют пороговые операции к полученному цветному изображению, затем выделяют области соответствующие ядрам лейкоцитов посредством процедуры анализа объектов на бинарном изображении с заполнением пустот внутри каждого ядра лейкоцита, затем к выделенным ядрам лейкоцитов применяют билатеральный и медианный фильтры, после применения фильтров вычитают обработанное изображение из исходного изображения и формируют детализирующий слой для получения результирующего изображения, затем проводят процедуру усиления деталей заданного масштаба и выполняют процедуру корректировки яркости и контраста изображения посредством гамма-преобразования.1. A method for detailing the structural elements of medical and biological research objects, including obtaining a color image of blood smears and/or bone marrow using a computer analyzer, after which threshold operations are applied to the resulting color image, then the areas corresponding to the nuclei of leukocytes are isolated through the procedure for analyzing objects on a binary image with filling the voids inside each leukocyte nuclei, then bilateral and median filters are applied to the selected leukocyte nuclei, after applying the filters, the processed image is subtracted from the original image and a detailing layer is formed to obtain the resulting image, then the procedure for enhancing details of a given scale is carried out and the brightness adjustment procedure is performed and image contrast through gamma transformation. 2. Способ по п. 1, отличающийся тем, что результирующее изображение получают по формуле , где μ - среднее значение, η - коэффициент, отвечающий за экспозицию, δ₀ - повышающий коэффициент для базового слоя, δ₁, δ₂, δ₃ - повышающие коэффициенты соответствующего детализирующего слоя, S - сигмоида.2. Method according to claim 1, characterized in that the resulting image is obtained according to the formula , where μ is the average value, η is the coefficient responsible for exposure, δ ₀ is the increasing coefficient for the base layer, δ ₁ , δ ₂ , δ ₃ are increasing coefficients of the corresponding detailing layer, S is the sigmoid. 3. Способ по п. 1, отличающийся тем, что для корректировки яркости и контраста используется гамма-преобразование по формуле где с и γ - параметры гамма-преобразования.3. The method according to claim 1, characterized in that to adjust brightness and contrast, a gamma transformation is used according to the formula where c and γ are the gamma transform parameters.