Валентина Викторовна Дмитриева
◽
Николай Николаевич Тупицын
◽
Евгений Валерьевич Поляков
◽
Софья Сергеевна Денисюк
Применение методов и средств цифровой обработки изображений при распознавании типов клеток крови и костного мозга для повышения качества диагностики острых лейкозов является актуальной научно-технической задачей, отвечающей стратегии развития технологий искусственного интеллекта в медицине. В работе предложен подход к мультиклассификации клеток костного мозга при диагностике острых лейкозов и минимальной остаточной болезни. Для проведения экспериментальных исследований сформирована выборка из 3284 изображений клеток, представленных Лабораторией гемопоэза Национального медицинского исследовательского центра онкологии им. Н.Н. Блохина. Предложенный подход к мультиклассификации клеток костного мозга основан на бинарной модели классификации для каждого из исследуемых классов относительно остальных. В рассматриваемой работе бинарная классификация выполняется методом опорных векторов. Метод мультиклассификации был программно реализован с применением интерпретатора Python 3.6.9. Входными данными программы служат файлы формата *.csv с таблицами морфологических, цветовых, текстурных признаков для каждой из клеток используемой выборки. В выборке представлено девять типов клеток костного мозга. Выходными данными программы мультиклассификации являются значения точности классификации на тестовой выборке, которые отражают совпадение прогнозируемого класса клетки с фактическим (верифицированным) классом клетки. “Эксперимент показал следующие результаты: точность мультиклассификации рассматриваемых типов клеток в среднем составила: 87% на тестовом наборе, 88% на обучающем наборе данных. Проведенное исследование является предварительным. В дальнейшем планируется увеличить число классов клеток, объем выборок различных типов клеток и с уточнением результатов мультиклассификации
The use of methods and means of digital image processing in the recognition of types of blood cells and bone marrow to improve the quality of diagnosis of acute leukemia is an urgent scientific and technical task that meets the strategy for the development of artificial intelligence technologies in medicine. The paper proposes an approach to the multiclassification of bone marrow cells in the diagnosis of acute leukemia and minimal residual disease. For experimental studies, a sample of 3284 images of cells was formed, submitted by the Hematopoiesis Laboratory of the National Medical Research Center of Oncology named after V.I. N.N. Blokhin. The proposed approach to the multiclassification of bone marrow cells is based on a binary classification model for each of the studied classes relative to the others. In the work under consideration, binary classification is performed by the support vector machine. The multiclassification method was implemented programmatically using the Python 3.6.9 interpreter. The input data of the program are * .csv files with tables of morphological, color, texture features for each of the cells of the sample used. The sample contains nine types of bone marrow cells. The output data of the multiclassification program are the classification accuracy values on the test sample, which reflect the coincidence of the predicted cell class with the actual (verified) cell class. “The experiment showed the following results: the accuracy of multiclassification of the considered types of cells on average was: 87% on the test set, 88% on the training data set. This study is preliminary. In the future, it is planned to increase the number of classes of cells, the volume of samples of various types of cells and with the refinement of the results of multiclassification
BTK, NUTM2A, and PRPF19 Are Novel KMT2A Partner Genes in Childhood Acute Leukemia