Классификация клеток гиппокампа с помощью алгоритмов машинного обучения
Основное содержимое статьи
Аннотация
Автоматическая идентификация и классификация нейронов в микропрепаратах нервной ткани имеет важное значение при изучении воздействия ионизирующего излучения на головной мозг. Оценка состояния клеток ЦНС специалистом вручную является трудоемким и субъективным процессом, в то время как алгоритмы машинного обучения показали потенциал в автоматизации этой задачи. В данной работе были использованы 81 фотоизображение препаратов гиппокампа мышей, на которых выделяли клетки без видимых повреждений, легко-измененные и дистрофические. Для каждой клетки вычислялись следующие параметры: Площадь, Округлость и Структурная сложность ядра. Данные параметры использовались для обучения классификатора RandomForestClassifier с использованием библиотеки scikit learn. Точность классификации составила 68%, при этом наиболее значимым признаком оказалась структурная сложность ядра. Предложенный классификатор может служить основой для автоматической системы анализа нейронов в микропрепаратах головного мозга.
Скачивания
Информация о статье
![Лицензия Creative Commons](http://i.creativecommons.org/l/by/4.0/88x31.png)
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Библиографические ссылки
Григорьев А. И., Красавин Е. А., Островский М. А. К вопросу о радиационном барьере при пилотируемых межпланетных полётах //Вестник Российской академии наук. – 2017. – Т. 87, №. 1. – С. 65-69. – DOI: 10.7868/S0869587317010030.
Long-term deficits in behavior performances caused by low- and high-linear energy transfer radiation / R. Patel, H. Arakawa, T.Radivoyevitch [et al.] // Radiation Research. – 2017. – Vol. 188(6). – P. 672–680. – DOI: 10.1667/RR14795.1
Действие факторов космического полета на центральную нервную систему : Структурно-функциональные аспекты радиомодифицирующего влияния / В. В. Антипов, Б. И. Давыдов, И. Б. Ушаков, В. П. Федоров. – Ленинград : Издательство Наука, 1989. – 328 с.
Komura D., Ishikawa S. Machine learning methods for histopathological image analysis // Compu-tational and structural biotechnology journal. – 2018. – Vol. 16. – P. 34-42.
Коржевский, Д. Э. Молекулярная нейроморфология. Нейродегенерация и оценка реакции нервных клеток на повреждение / Д. Э. Коржевский, И. П. Григорьев, Е. А. Колос. — Санкт-Петербург : СпецЛит, 2015. — 110 с.
Machine learning methods for histopathological image analysis: A review / J. De Matos, S.T. Ataky, A.D. Britto [et al.] // Electronics. – 2021. – Vol. 10, No 5. – P. 562.
Роль информационных технологий в медицине / Н. С. Самакин, А. Е. Иванова, Е. Б. Матвеева, А. А. Бабаева // Лучшая студенческая статья 2017. – 2017. – С. 246-249.
Дороничева А. В., Савин С. З. Методы распознавания медицинских изображений для задач компьютерной автоматизированной диагностики //Современные проблемы науки и образо-вания. – 2014. – №. 4. – С. 623-623.
Блинов Н. Н. Биомедицинские изображения в современной медицине // Медицинская техни-ка. – 2010. – №. 5. – С. 5-9.
Лукашевич М. М., Старовойтов В. В. Методика подсчета числа ядер клеток на медицинских гистологических изображениях // Системный анализ и прикладная информатика. – 2016. – №. 2. – С. 37-42.
The Effects of Whole Body Gamma Irradiation on Mice, Age-Related Behavioral, and Pathophys-iological Changes / I. A. Kolesnikova, M Lalkovičova, Yu S Severyukhin [et al.] // Cellular and Molecular Neurobiology. – 2023. – Vol. 43, No. 7. – P. 3723-3741. – DOI: 10.1007/s10571-023-01381-1.
Оценка различных морфологических характеристик астроцитов в микроколонке коры го-ловного мозга интактных мышей / А. О. Карпова, Н. Н. Проданец, О. С. Баскина [и др.] // Биосистемы: организация, поведение, управление : Тезисы докладов 73-й Всероссийской с международным участием школы-конференции молодых ученых, Нижний Новгород, 28–30 октября 2020 года. – Нижний Новгород: Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского, 2020. – С. 93.
Multiscale structural complexity of natural patterns / A. A. Bagrov, I. A. Iakovlev, M. I. Katsnel-son [et al.] // Proceedings of the National Academy of Sciences of the United States of America. – 2020. – Vol. 117, No. 48. – P. 30241-30251. – DOI 10.1073/pnas.2004976117.