МОДЕЛЬ АВТОМАТИЗАЦИИ МОРФОЛОГИЧЕСКОГО АНАЛИЗА КЛЕТОК КРОВИ ДЛЯ ДИАГНОСТИКИ И ОБУЧЕНИЯ > Полезные советы
Тысяча полезных мелочей    

МОДЕЛЬ АВТОМАТИЗАЦИИ МОРФОЛОГИЧЕСКОГО АНАЛИЗА КЛЕТОК КРОВИ ДЛЯ ДИАГНОСТИКИ И ОБУЧЕНИЯ

МОДЕЛЬ АВТОМАТИЗАЦИИ МОРФОЛОГИЧЕСКОГО АНАЛИЗА КЛЕТОК КРОВИ ДЛЯ ДИАГНОСТИКИ И ОБУЧЕНИЯ

Никитаев В.Г. Проничев А.Н. Харазишвили Д.В.1 Чистов К.С. Статья в формате PDF 107 KB

Подсчет лейкоцитарной формулы по окрашенным мазкам крови является одним из самых распространенных, и, вместе с тем, одним из наиболее трудоемких рутинных анализов, выполняемым пpaктически всем стационарным и амбулаторным больным независимо от диагноза. Несмотря на продолжающееся совершенствование автоматических гематологических анализаторов широкого применения в подсчете лейкоцитарной формулы эти приборы не получили. Таким образом, реальной альтернативы квалифицированному врачу-лаборанту на сегодняшний день не существует. Вместе с тем, имеет место явный дефицит этих специалистов, а квалификация имеющихся часто не соответствует современным требованиям (особенно это касается небольших стационаров и поликлиник). По последней причине высок риск ошибочной интерпретации патологической лейкоцитарной формулы врачом-лаборантом неспециализированного учреждения, что обусловлено относительной редкостью патологических мазков крови в общем потоке рутинных анализов.

Для решения указанной проблемы предлагается применение автоматизированной системы компьютерного анализа микроскопических изображений клеток крови [1]. Особое значение эта система имеет в своевременном распознавании бластов, составляющих субстрат наиболее опасных на сегодняшний день заболеваний крови - острых лейкозов. В силу особенностей метода идентификации клеток, даже наиболее совершенные автоматические гематологические анализаторы, которыми располагают лишь крупные клиники, зачастую относят их к мононуклеарам. В то же время ключевой признак бластной клетки - структура хроматина - может быть надежно выявлен лишь на окрашенном мазке крови или костного мозга.

Предлагаемая модель компьютерного анализа основана на комплексировании данных, получаемых в результате компьютерной обработки изображений и их визуальной оценки. Для формирования описания исследуемой клетки в виде набора признаков требуется выполнение последовательности процедур. При программном управлении перемещением столика моторизованного микроскопа осуществляется сканирование мазка крови и регистрация изображений лейкоцитов. Полученные изображения подвергаются компьютерному анализу с целью формирование признакового описания структуры ядра и цитоплазмы. В ядре анализируются текстурные признаки. В качестве дополнительных признаков, хаpaктеризующих ядро клетки используются его площадь, форма, наличие ядрышек и особенности строения ядрышкового аппарата. В цитоплазме анализируется ее площадь, хаpaктер контуров, цвет, интенсивность и равномерность окраски, хаpaктер цитоплазматических включений. Основой для принятия решений при идентификации исследуемой клетки является база данных, которая  содержит статистически достоверную выборку клеток, прошедших экспертную оценку по всем вышеперечисленным признакам. Дополнительной функцией к решению задачи идентификации клеток в системе предусмотривается поддержка принятия решений, когда при обнаружении патологических клеток врачу предлагаются рекомендации по дальнейшему обследованию.

Таким образом, применение автоматизированной системы компьютерного анализа микроскопических изображений клеток крови позволит в максимально сжатые сроки определиться с диагнозом или направить больного в специализированный стационар.

Дополнительной сферой применения рассматриваемой системы является обучение студентов-медиков и повышение квалификации врачей. Модель подсистемы обучения может быть представлена как сеть взаимодействующих модулей, используемых обучаемым в контексте рассматриваемого учебного материала. Наряду с традиционным текстовым описаний клеток крови с иллюстрирующими изображениями, представлены видеозаписи фрагментов ключевых процедур в анализе мазка крови. Модуль тестирования, предусматривает формирование различных наборов выборок клеток для их описания испытуемым, а оценка полноты ответа, обеспечивает контроль качества усвоения учебного материала. Применение мультимедийных средств в обучении и использование компьютерной базы изображений помогает эффективно усвоить учебный материал и приобрести пpaктические навыки по анализу мазков крови.

СПИСОК ЛИТЕРАТУРЫ:

  1. Никитаев В.Г., Проничев А.Н., Чистов К.С., Зубрихина Г.Н., Блиндарь В.Н., Воробьев И.А., Харазишвили Д.В. Разработка автоматизированных компьютерных систем для распознавания бластных клеток периферической крови. Научная сессия МИФИ-2006. Сборник научных трудов в 16 томах. Т.1. Автоматика. Микроэлектроника. Электроника. Электронно-измерительные системы. Компьютерные медицинские системы. М.: МИФИ, 2006. С. 288-289.

Работа представлена на научную международную конференцию «Инновационные технологии в образовании, экономике и праве», Кипр (Пафос), 17-27 сентября 2008 г. Поступила в редакцию 01.09.2008 г.



Перспективы использования электрофизических методов при освоении месторождений минерального сырья

Перспективы использования электрофизических методов при освоении месторождений минерального сырья На основе анализа литературных источников показана необходимость создания эффективных методов переработки руд цветных металлов. Описано отрицательное воздействие горнообогатительного производства на окружающую среду. Рассмотрены проблемы освоения месторождений сырья и предложены пути их решения. Приведена схема рационального освоения минеральных ресурсов рудного месторождения с применением разрядноимпульсных методов. Обоснована возможность использования разрядноимпульсных воздействий в обогатительных процессах, что позволит повысить полноту извлечения полезных компонентов при переработке минерального сырья. Выделены ограничения применения импульсных методов. Установлено, что разрядноимпульсные методы интенсифицируют избирательное раскрытие минеральных ассоциаций во всем диапазоне исходных классов крупности. Эти методы эффективны в комбинированных схемах переработки труднообогатимых руд сложного состава. Применение комбинированных схем позволит сократить на 10–15 % время измельчения до выхода контрольного класса. ...

17 03 2026 10:27:42

Локация на основе теории всплесов

Локация на основе теории всплесов Статья в формате PDF 122 KB...

15 03 2026 19:40:15

«НОВАЯ ЭКОНОМИКА» НА РУБЕЖЕ СТОЛЕТИЙ: МИРОВОЙ КРИЗИС ВЫСОКИХ ТЕХНОЛОГИЙ ИЛИ ВЫСШАЯ СТУПЕНЬ РАЗВИТИЯ ЦИВИЛИЗАЦИИ?

«НОВАЯ ЭКОНОМИКА» НА РУБЕЖЕ СТОЛЕТИЙ: МИРОВОЙ КРИЗИС ВЫСОКИХ ТЕХНОЛОГИЙ ИЛИ ВЫСШАЯ СТУПЕНЬ РАЗВИТИЯ ЦИВИЛИЗАЦИИ? Приводятся основные показатели развития «информационного общества» в конце 20 века. Охаpaктеризованы взаимосвязи наукоемких производственных технологий и информатики, экономики и математики, экономико-математического моделирования управленческих решений. ...

07 03 2026 10:13:11

Особенности поведенческих реакций крыс при действии 1,5-бензодиазепинона-2 и его производных

Особенности поведенческих реакций крыс при действии 1,5-бензодиазепинона-2 и его производных В серии стресс-тестов исследованы особенности поведенческих реакций крыс при действии 1,5-бензодиазепинона-2 и его производных в дозах 5, 25, 50 и 100 мг/кг. В результате сравненияэтих показателейс таковыми эталонного препарата диазепама (5 мг/кг), выявлено, что под влиянием 1,5-бензодиазепинона-2 и его трех производных (4-метил-1,5-бензодиазепинон-2, 3-метил-1,5-бензодиазепинон-2, 5-формил-3-метил-1,5-бензодиазепинон-2) поведение крыс в зависимости от уровня аверсивности теста существенно изменяется. В целом установлено, что тестируемые вещества в зависимости от дозы способны проявлять психотропные (антистрессорные, анксиолитические, седативные, антидепрессантные) свойства. ...

05 03 2026 23:53:11

КИНОСЕМАНТИКА ИЛИ МОНТАЖНАЯ СХЕМА «ВПЕЧАТЛЕНИЙ»

КИНОСЕМАНТИКА ИЛИ МОНТАЖНАЯ СХЕМА «ВПЕЧАТЛЕНИЙ» Статья в формате PDF 109 KB...

21 02 2026 6:18:35

Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::