Методы и средства автоматизированной обработки микроскопических изображений мазков периферической крови для диагностики острых лейкозов тема диссертации и автореферата по ВАК РФ 05.11.16, кандидат технических наук Чистов, Кирилл Сергеевич

• Чистов, Кирилл Сергеевич
• кандидат технических наук
• 2007

Оглавление диссертации кандидат технических наук Чистов, Кирилл Сергеевич

Введение.

Глава 1. Системный подход к решению задачи автоматизации гематологического анализа для диагностики острых лейкозов.

1.1. Методы и средства диагностики острых лейкозов.

1.2. Современные системы автоматизированного анализа периферической крови.

1.3. Автоматизация диагностики острых лейкозов при анализе периферической крови: проблемы и решения.

1.4. Постановка задачи диссертации.

Выводы.

Глава 2. Математическое описание автоматизированного анализа мазков крови

2.1. Модель автоматизированного анализа мазков крови.

2.2. Математическое описание изображений лейкоцитов в мазке крови.

2.3. Подход к формированию признаков для описания бластных клеток.

2.4. Анализ эффективности признаков.

Выводы.

Глава 3. Разработка системы распознавания бластных клеток с использованием многомерного признакового пространства.

3.1. Методика исследования информативности многомерных признаков.

3.2. Обоснование выбора классификатора.

3.3. Формирование многомерных признаков

3.4. Теоретическое и экспериментальное исследование методов классификации бластных клеток: выбор метода

3.5. Экспериментальное исследование влияющих факторов (освещение и фокусировка микроскопа).

Выводы.

Глава 4. Информационно-измерительный комплекс для автоматизации диагностики острых лейкозов

4.1. Структура информационно-измерительного комплекса для поддержки принятия решений врачом при диагностике острых лейкозов.

4.2. Методика оценки пригодности изображений клеток крови для автоматизированного анализа.

4.3. Методика автоматизированного анализа изображений мазков крови при диагностике острых лейкозов.

4.4. Практическое применение информационно-измерительного комплекса для диагностики острых лейкозов в крупных медицинских и образовательных центрах

Выводы.

Введение диссертации (часть автореферата) на тему «Методы и средства автоматизированной обработки микроскопических изображений мазков периферической крови для диагностики острых лейкозов»

Автоматизированные системы обработки изображений (АСОИЗ) -особый класс информационно-измерительных систем, основанных на измерениях характеристик объектов и распознавании, представленных в виде изображения - двумерной функции яркости - для монохромных изображений, или набором двумерных функций интенсивности спектральных компонентов - для многозональных и цветных изображений [1-10].

АСОИЗ применяются в широком круге областей науки и техники -при дистанционном зондировании Земли, в системах технического зрения на автоматических линиях в промышленном производстве, в дефектоскопии, в охранных системах видеонаблюдения и др. Особую социальную значимость играет применение АСОИЗ в медицине.

Значительный объем анализов, проводимых при обследовании пациентов медицинских учреждений, связан с регистрацией и интерпретацией врачом изображений разной природы - это рентгенография, компьютерная томография, ультразвуковые исследования, эндоскопические исследования и т.п. Целый ряд анализов выполняется с использованием световых микроскопов проходящего света - это гистологические, цитологические, гематологические исследования [11]. Особо отметим последние.

При заболеваниях изменяются форма, размеры, количественное соотношение содержания элементов крови и ее химические показатели. Поэтому состояние крови имеет большое значение для диагностики заболеваний [12].

До недавнего времени состав крови определялся практически только с помощью визуального анализа препаратов крови под микроскопом. В настоящее время все более широко применяются автоматические гемоанализаторы. Но пока они полностью не могут заменить анализ мазков крови под микроскопом. В частности, микроскопическое исследование является обязательным при наличии подозрений о заболевании острым лейкозом [13-15].

Острые лейкозы представляют собой группу опухолевых заболеваний системы крови, которые характеризуются первичным поражением костного мозга морфологически незрелыми (бластными) клетками с вытеснением ими нормальных элементов. Острые лейкозы без лечения приводят к смертельному исходу. Но если проводить своевременное лечение, прогноз, в особенности для детей, часто благоприятен. Отсюда вытекает важная роль своевременной диагностики лейкозов [16].

Симптомы острых лейкозов в начале заболевания выражаются в проявлениях слабости, снижении массы тела, лихорадки. Диагностика начинается с изучения мазка периферической крови, обнаружение бластных клеток в которой свидетельствует о возможном наличии острого лейкоза. Для окончательного установления диагноза необходима пункция костного мозга и соответствующие его исследования [13]. Анализ морфологии клеток периферической крови с применением методов световой микроскопии является важнейшей частью диагностики гематологических заболеваний. Данный анализ является первой стадией диагностического поиска. На его основе производится предварительная постановка диагноза, который в дальнейшем верифицируется с применением различных иммуногистохимических и молекулярно-биологических методов. Поскольку стоимость комплексной диагностики велика, очень важно уметь извлекать максимум полезной информации из результатов рутинных исследований на первом этапе. В настоящее время, однако, морфологическая диагностика опирается главным образом на опыт и высокую квалификацию патоморфолога.

Актуальность проблемы своевременного распознавания острых лейкозов обусловлена стремительным ростом заболеваемости, связанным как с общими экологическими проблемами, так и с ростом числа лиц, контактирующих с ионизирующей радиацией. Несмотря на огромные достижения современной гематологии, позволяющие излечивать больных острыми лейкозами, которые еще в недавнем прошлом считались абсолютно безнадежными, основой диагностики этих опаснейших заболеваний остается обнаружение и анализ опухолевых клеток на мазках крови. Проведение этого, простого на первый взгляд, исследования наталкивается на ряд трудностей, большая часть которых до сих пор не преодолена. В частности, в силу непреодолимых технических проблем так и не удалось усовершенствовать проточные гематологические анализаторы настолько, чтобы они могли надежно распознавать бласты в образцах крови больных. Вследствие этого, работу прибора вынужден дублировать опытный цитолог, который является весьма дефицитным специалистом. В поликлиниках цитологи чаще всего имеют дело с нормальными мазками крови, что, с одной стороны резко увеличивает рабочую нагрузку, а с другой - повышает риск того, что случай острого лейкоза будет пропущен. Оснащение диагностических лабораторий поликлиник и стационаров автоматизированными анализаторами микроскопических изображений клеток крови позволит существенно упростить задачу выявления и дифференциальной диагностики острых лейкозов. Кроме того, наличие эталонной базы данных и системы поддержки принятия решений позволит решить другую насущную проблему здравоохранения — подготовку и повышение квалификации врачей-морфологов.

Практика показывает, что если по итогам поликлинического обследования больной попал в поле зрения гематолога, то задачи первого этапа могут считаться выполненными. Это значит, что на амбулаторном этапе обследования не следует стремиться к определению конкретной формы очевидного острого лейкоза, поскольку любой направительный диагноз в специализированном учреждении всегда подвергается проверке.

Вместе с тем экономически целесообразно, чтобы на амбулаторном этапе отсеивались больные с некоторыми распространенными неопухолевыми заболеваниями, которые часто путают с острыми лейкозами (в частности, при весьма распространенном инфекционном мононуклеозе активированные вирусом лимфоциты становятся похожи на бластные клетки острого лейкоза). И здесь роль автоматического анализатора изображений, располагающего эталонной базой данных из тысяч клеток, является определяющей. Акцент на острых лейкозах обусловлен несколькими причинами. Во-первых, при острых лейкозах фактор времени имеет ключевое значение, поскольку жизнь больного напрямую зависит от того, как скоро был поставлен диагноз (даже небольшое опоздание может привести к смерти от инфекционных осложнений и кровотечений). Во-вторых, как показывает практика, именно острые лейкозы вызывают наибольший процент диагностических ошибок у поликлинических врачей-лаборантов, не имеющих достаточного опыта работы в специализированном стационаре.

Целью диссертации является разработка методов и средств обработки микроскопических изображений мазков периферической крови с применением процедуры распознавания бластных клеток для поддержки принятия решений врачом при диагностике острых лейкозов.

Обнаружение бластных клеток в периферической крови служит основанием для подозрений о наличии у пациента острого лейкоза и проведении последующих диагностических процедур. Обнаружение бластных клеток в периферической крови при первом же обращении больного в медицинское учреждение обеспечит более раннюю диагностику острого лейкоза, что в свою очередь повышает эффективность лечения.

При достижении поставленной цели получены следующие новые научные результаты:

1. Метод и математические модели цифровой обработки изображений для распознавания бластных клеток, реализация которых позволила создать информационно-измерительный комплекс автоматизированной диагностики острых лейкозов на базе компьютерной обработки микроскопических изображений мазков периферической крови, включающий клиническую, научно-исследовательскую и обучающую системы. В состав систем входит устройство для автоматического обнаружения бластных клеток в периферической крови, на которое получено решение Роспатента о выдаче патента №61890 на полезную модель (заявка №2006135515/22(038666) от 09.10.2006, письмо Роспатента от 11.12.2006).

2.Методика автоматизированного анализа изображений мазков крови, применение которой помогает врачу-гематологу принять объективно обоснованное решение по результатам анализа мазка крови при диагностике острых лейкозов.

3.Методика исследования информативности признаков бластных клеток, позволившая осуществить обоснованный выбор признаков в системе распознавания бластных клеток.

4. Методика оценки пригодности изображений клеток крови для автоматизированного анализа, применение которой обеспечивает необходимые условия для нормальной работы системы распознавания бластных клеток.

Практическая ценность.

1. С применением разработанных в диссертации методов обработки изображений, моделей и методик создан информационно-измерительный комплекс анализа мазков периферической крови и распознавания бластных клеток для диагностики острых лейкозов, включающий три системы. Первая предназначена для клинической диагностики, вторая - для проведения научных исследований в области автоматизации диагностики острых лейкозов, включая формирование атласов эталонных изображений клеток крови и баз знаний в области гематологической диагностики, третья ориентирована на обучение студентов-медиков и повышение квалификации врачей.

2. Разработанные методы и средства обработки микроскопических изображений мазков периферической крови с применением процедуры распознавания бластных клеток для диагностики острых лейкозов внедрены в Российском онкологическом научном центре им. Н.Н.Блохина РАМН (РОНЦ), Институте повышения квалификации Федерального медико-биологического агентства (ФМБА), ФГУЗ Детской клинической больнице №38-Центре экологической педиатрии ФМБА (г.Москва), в Центральной медсанчасти №141 ФМБА (г. Удомля, Тверская обл., Калининская АЭС), в учебном процессе кафедры «Компьютерные медицинские системы» МИФИ.

Апробация результатов диссертации.

Результаты диссертации докладывались и обсуждались на научных конференциях «Научная сессия МИФИ» в 2003, 2004, 2005, 2006, 2007 годах, на XII международном семинаре «Медицина XXI века» в Словакии в 2004г, на международной конференции «Технологии 2004» в Турции в 2004г., на научной конференции «Фундаментальные и прикладные проблемы медицины и биологии» в г. Дубай, ОАЭ в 2005г., на международном симпозиуме «Датчик 2006» «Качество, инновации, образование и CALS технологии» в Египте в 2006г., на II Съезде Российского общества патологоанатомов в Москве в 2006г.

Публикации. Основные результаты диссертации опубликованы в 25 научных работах (в том числе в 2-х учебных пособиях и в 5 научных работах без соавторов).

Структура и объем диссертации. Диссертация состоит из введения, 4-х глав, заключения, списка литературы из 107 наименований. Общий объем диссертации составляет 167 стр., 48 рисунков, 10 таблиц. На защиту выносятся следующие положения:

Заключение диссертации по теме «Информационно-измерительные и управляющие системы (по отраслям)», Чистов, Кирилл Сергеевич

Выводы

1. С использованием разработанных методов и математических моделей цифровой обработки изображений для распознавания бластных клеток создан информационно-измерительный комплекс автоматизированной диагностики острых лейкозов. Разработчики комплекса - кафедра компьютерных медицинских систем МИФИ, Гематологический научный центр РАМН, Российский онкологический научный центр им. Н.Н.Блохина РАМН.

2. Предложена структура комплекса включает клиническую, научно-исследовательскую и обучающую системы. Применение клинической системы позволяет выявлять заболевания острым лейкозом на более ранних стадиях его развития. Вторая система направлена на объективизацию принимаемых решений при анализе клеток в мазках периферической крови, а также аккумулирование и распространение актуальных знаний о диагностике острых лейкозов. Третья система обеспечивает эффективное обучение студентов-медиков и повышение квалификации врачей- гематологов. Каждая из этих систем реализована как система поддержки принятия решений врачом-гематологом с использованием процедур автоматического и интерактивного (с применением электронного атласа бластных клеток) распознавания бластных клеток, телемедицинских консультаций.

3. Составной частью комплекса является устройство для автоматического обнаружения бластных клеток в периферической крови. На устройство для автоматического обнаружения бластных клеток в периферической крови получено решение Роспатента о выдаче патента №61890 на полезную модель (заявка №2006135515/22(038666) от 09.10.2006, письмо Роспатента от 11.12.2006).

4. Предложена методика оценки пригодности изображений клеток крови для автоматизированного анализа. Основные этапы методики: оценка макроскопического изображения мазка крови на стекле; оценка содержания микроскопического изображения мазка крови; оценка качества регистрации микроскопического изображения клетки в информационно-измерительном комплексе. Применение данной методики обеспечивает требуемое качество распознавания бластных клеток в информационно-измерительном комплексе автоматизированной диагностики острых лейкозов.

5. Разработана методика автоматизированного анализа изображений мазков крови. Методика ориентирована на применение в системе с моторизованным столиком, управляемым от компьютера. Основные этапы методики: задание параметров автоматического сканирования мазка крови под микроскопом; автоматическое сканирование мазка крови под микроскопом; автоматическая фокусировка и фотографирование клеток лейкоцитарного ряда; автоматическое распознавание изображений клеток в компьютере с определением класса бластная или небластная клетка; просмотр врачом результатов с интерактивным сравнением с изображениями из базы знаний бластных клеток, наиболее схожих по информативным признакам (рассчитываются автоматически) с рассматриваемыми клетками; интерактивная идентификация исследуемых клеток с сравнением клеток из электронного атласа; телемедицинская консультация (по необходимости); принятие врачом решения о типе клеток и формирование протокола анализа.

6. Описаны результаты применения разработанных в диссертации методов и средств автоматизированной обработки микроскопических изображений мазков периферической крови, реализованных в информационно-измерительном комплексе для диагностики острых лейкозов и внедренных в клиническую практику двух крупных медицинских центров России (РОНЦ им. Н.Н.Блохина РАМН, ДКБ№38 ФМБА), Центральной медсанчасти №141 ФМБА, и в учебный процесс двух ведущих высших учебных заведений (Институт повышения квалификации ФМБА, МИФИ(курсы «Системы обработки изображений в медицине», «Проектирование компьютерных медицинских систем»)) - для повышения квалификации врачей и обучения студентов. Телемедицинские гематологические консультации между удаленной медсанчастью (ЦМСЧ№141, г.Удомля, Тверская обл., Калининская АЭС) и РОЩ им. Н.Н.Блохина РАМН (Москва) успешно апробированы с использованием сети Интернет.

Настоящая диссертация посвящена разработке методов и средств автоматизированной обработки изображений мазков периферической крови для диагностики острых лейкозов. Получены следующие основные результаты:

1. На основе системных теоретических и экспериментальных исследований разработаны метод и математические модели обработки изображений для распознавания бластных клеток в мазке периферической крови. Предложенные метод и модели были реализованы в информационно-измерительном комплексе автоматизированной диагностики острых лейкозов на базе компьютерной обработки микроскопических изображений мазков периферической крови.

2. Предложены математические модели изображения бластных клеток и модели признаков бластных клеток. Первые модели были использованы при разработке методов автоматизированного гематологического анализа изображений мазков периферической крови. Модели признаков реализованы в описании бластных клеток - ключевом этапе их распознавания при решении задач диагностики острых лейкозов.

3. Представлена методика анализа информативности признаков для распознавания бластных клеток. Методика базируется на применении теории статистических решений при экспериментальной оценке принадлежности клетки к бластным или небластным. Методика служит практическим инструментом разработчика при осуществлении выбора информативных признаков для систем распознавания бластных клеток.

4. Создан информационно-измерительный комплекс автоматизированной диагностики острых лейкозов на базе компьютерной обработки микроскопических изображений мазков периферической крови, выступающий как система поддержки принятия решений врачом-гематологом. Комплекс включает, клиническую, научно-исследовательскую и обучающую системы, в состав которых входит устройство для автоматического обнаружения бластных клеток в периферической крови. На устройство для автоматического обнаружения бластных клеток в периферической крови получено решение Роспатента о выдаче патента №61890 на полезную модель (заявка №2006135515/22(038666) от 09.10.2006, письмо Роспатента от 11.12.2006).

5. На основе результатов проведенных экспериментов разработана методика оценки пригодности изображений мазков периферической крови для автоматизированного анализа. Методика включает этапы оценки степени окраски препарата, плотности клеток на анализируемой области мазка, оценки степени освещенности и сфокусированности препарата, целостности клеток лейкоцитарного ряда в поле зрения автоматизированной микроскопической системы. Применение методики обеспечивает требуемое качество распознавания бластных клеток в процессе использования созданного информационно-измерительного комплекса автоматизированной диагностики острых лейкозов в клинической практике, научных исследованиях и обучении.

6. В составе информационно-измерительного комплекса автоматизированной диагностики острых лейкозов разработана база знаний по анализу клеток периферической крови. База знаний содержит экспертные заключения и изображения бластных и небластных клеток. Общее число изображений клеток - 9600. В качестве экспертов привлекались специалисты в области гематологии из Гематологического научного центра (ГНЦ) РАМН, Российского онкологического научного центра (РОНЦ) им. Н.Н Блохина РАМН, Российской медицинской академии последипломного образования (РМАПО, кафедра лабораторной диагностики), Института повышения квалификации (ИПК) ФМБА России (кафедра лабораторной диагностики). На основе указанной базы знаний создан электронный атлас изображений бластных клеток, используемый при диагностике острых лейкозов, при обучении студентов-медиков и повышении квалификации врачей-гематологов.

7. Разработана методика автоматизированного анализа изображений мазков периферической крови в информационно-измерительном комплексе автоматизированной диагностики острых лейкозов. Методика базируется на этапах: контроль качества препарата, сканирование мазка крови, оценка результатов распознавания бластных клеток, интерактивное сравнение результатов работы системы с экспертными заключениями с применением электронного атласа бластных клеток, проведение телемедицинской консультации (при необходимости). Данная методика является практическим руководством врача-гематолога при морфологической диагностике острых лейкозов.

8. Проведены экспериментальные исследования информативности признаков в ходе которых исследовались геометрические, текстурные, спектральные, цветовые признаки. Установлено, что при использовании одномерного признакового пространства информативность исследованных признаков по отдельности не превышает 74%. Исследование наборов признаков и распределений бластных и небластных клеток в многомерном пространстве позволило опытным путем сформировать набор признаков, обеспечивших в эксперименте долю ошибок классификации не более 5% (исследование проводилось с использованием выборок из 1143 бластных и 1143 небластных клеток). Последнее для медицинской практики является высоким показателем. В набор признаков входят геометрические (площадь и максималный линейный размер клеток и их ядер, ядерно-цитоплазматическое отношение) и текстурные признаки (энергия, момент инерции, энтропия, максимальная вероятность, локальная однородность) для цветовых компонентов RGBLY.

9. Разработанные в диссертации методы и средства автоматизированной обработки микроскопических изображений мазков периферической крови для диагностики острых лейкозов внедрены в Российском онкологическом научном центре им. Н.Н. Блохина РАМН, Детской клинической больнице №38 Федерального медико-биологического агентства РФ, Институте повышения квалификации Федерального медико-биологического агентства РФ, в Центральной медико-санитарной части №141 Федерального медико-биологического агентства РФ в г. Удомля, Тверской обл. (Калининская АЭС), в учебном процессе кафедры компьютерных медицинских систем МИФИ.

Список литературы диссертационного исследования кандидат технических наук Чистов, Кирилл Сергеевич, 2007 год

1. Цапенко М.П. Измерительные информационные системы: Структуры и алгоритмы, системотехническое проектирование.: Учеб. пособие для вузов. -2-е изд., перераб. и доп. -М: Энергоатомиздат, 1985.-439 с.

2. Дюк В., Эммануэль В. Информационные технологии в медико-биологических исследованиях.- СПб.: Питер, 2003.-528 с.

3. Эльянов М.М. Медицинские информационные технологии. Каталог. Вып. 5 М.: Третья медицина, 2005.-320 с.

4. Абламейко С.В., Лагуновский Д.М. Обработка изображений: технология, методы, применение. Учебное пособие. Мн.: Амалфея, 2000.-304 с.

5. Виноградов В.И. Информационно-вычислительные системы: Распределенные модульные системы автоматизации. 2-е изд., перераб. и доп. -М.: Энергоатомиздат, 1986.-336 с.

6. Брайант Р., О'Халларон Д. Компьютерные системы: архитектура и программирование. Пер. с англ. СПб.: БХВ-Петербург, 2005.-1104 с.

7. Информационная технология: термины и определения. -М.: Стандартинформ, 2005.-248 с.

8. Кузнецов В.А., Ялунина Г.В. Общая метрология. М.: ИПК Издательство стандартов, 2001.-272 с.

9. Голубь Б.И., Котюк А.Ф., Кузин A.IO. Основы обеспечения единства оптико-физических измерений,- М:Горячая линия-Телеком, 2006.-151 с.

10. Болтон У. Карманный справочник инженера-метролога. М.: Издательский дом «Додэка-ХХ1», 2002.-384 с.

11. Пантелеев В.Г., Егорова О.В., Клыкова Е.И. Компьютерная микроскопия. М.: Техносфера, 2005.-304 с.

12. Основы клинической гематологии: Справочное пособие /Ермолов С.Ю., Курдыбайло Ф.В., Радченко В.Г. и др.; Под ред. Радченко В.Г. -СПб.: «Издательство «Диалект», 2003.-304с.

13. Руководство по гематологии: в Зт. Т.1. / Под ред. А.И.Воробьева. 3-е изд., перераб и допол. М.:Ньюдиамед, 2002. - 280с.

14. Руководство по гематологии: в Зт. Т.2. / Под ред. А.И.Воробьева. 3-е изд., перераб и допол. М.:Ньюдиамед, 2003. - 280с.

15. Руководство по гематологии: в Зт. Т.З. / Под ред. А.И.Воробьева. 3-е изд., перераб и допол. М.:Ньюдиамед, 2005. - 416с.

16. Луговская С.А., Морозова В.Т., Почтарь М.Е. Лабораторная диагностика лейкозов: Учебное пособие., -Тверь: Информационно-издательская фирма «Губернская медицина», 1999. -80 с.

17. Эддоус М., Стэнсфилд Р. Методы принятия решений/ Пер. с англ. под ред. член-корр. РАН И.И. Елисеевой. М.: Аудит, ЮНИТИ, 1997.-590 с.

18. Бобова Л.П., Кузнецов С.Л., Сапрыкин В.П. Гистофизиология крови и органов кроветворения и иммуногенеза: Учебное пособие М.: ООО «Издательство Новая Волна», 2003. - 157 с.

19. Диагностика болезней системы крови. Учебно-методическое пособие для студентов высших медицинских учебных заведений. / Под редакцией профессора И.В. Маева. -М.: ВУНМЦ МЗ РФ, 2002.-61 с.

20. Клиническая лабораторная диагностика / Сост. В.Н. Ослопов, А.Р. Садыкова, Р.А. Абдулхаков. 2-е изд. - М.: МЕДпресс-информ, 2002. -64с.

21. Клетки крови и костного мозга: Атлас /Козинец Г.И., Шишканова З.Г., Сарычева Т.Г. и др.; под ред. Г.И.Козинца. -М.: Медицинское информационное агентство, 2004. -203 с.

22. Луговская С.А., Почтарь М.Е. Гематологический атлас. Москва- Тверь: ООО «Издательство «Триада», 2004. 227 е., 523 ил.

23. Шмаров Д.А., Козинец Г.И. Лабораторно-клиническое значение проточно-цитометрического анализа крови. М.: Медицинское информационное агентство, 2004.-128 с.

24. Диагностика лейкозов. Атлас и практическое руководство / Под ред. Д.Ф.Глузмана. К.: Морион, 2000.- 224с.

25. Почтарь М.Е., Луговская С.А., Морозова В.Т. Цитохимическая диагностика в лабораторной гематологии. Методическое руководство. Атлас. -СПб., 2003.-80с.

26. Острые лейкозы: диагностика, клинические особенности, лечение. Методические рекомендации. -М.: ООО «Фирма Блок», 2003.-34 с.

27. Луговская С.А., Почтарь М.Е., Тупицын Н.Н. Иммунофенотипирование в диагностике гемобластозов. М.-Тверь: ООО «Издательство «Триада», 2005.-168 с.

28. Компьютерные системы гематологической диагностики. Введение / Никитаев В.Г., Воробьев И.А., Чистов К.С. и др. М.:ФГУП «ЦНИИАТОМИНФОРМ», 2006. -132с.

29. Долгов В.В., Ованесов Е.Н., Щетникович К.А. Фотометрия в лабораторной практике.- СПб.: «Витал Диагностике СПб», 2004.-192 с.

30. Голяс Ю.Е., Бобряков А.В., Гаврилов А.И. Системы ввода и обработки изображений в ПЭВМ: Проектирование технических средств. -М.: Машиностроение, 1993.-224 с.

31. Колтовой Н.А. Системы обработки изображений //Итоги науки и техники. ВИНИТИ. Сер. Промышленные роботы и манипуляторы. 1992. 104с.

32. Медовый B.C. Информационные автоматизированные системы микроскопии для анализа биоматериалов // Врач и информационные технологии. 2004. - №6. - С.32-37.

33. Автоматизированная микроскопия биоматериалов / Медовый B.C., Пятницкий A.M., Соколинский Б.З. и др. // Здравоохранение и медицинская техника. 2005. - №4. - С.42-43.

34. Автоматическая сортировка лейкоцитов мазка крови с использованием методов обучаемых нейронных сетей и watershed / Соколинский Б.З., Демьянов В.Л., Медовый B.C. и др. // Здравоохранение и медицинская техника. 2005. - №4.-с.44-45.

35. Чистов К.С. Методика оценки качества изображений в автоматизированной системе анализа гематологических препаратов при диагностике острых лейкозов // Инженерная физика. 2006. - №3. - С.65-68.

36. Чистов К.С. Методики оценки влияющих факторов в автоматизированной системе распознавания гематологических изображений // Инженерная физика. 2006. - №4. - С.65-68.

37. Стратегия применения автоматизированных анализаторов микроскопических изображений в диагностике острых лейкозов / Блиндарь В.Н., Никитаев В.Г., Чистов К.С. и др. // Приборы и системы. Управление, контроль, диагностика. 2006. - №10. -С.56-62.

38. Поваркова А.В. Компьютерный анализ изображений в медицине // Морфология. 1997. - №5. - С.103-106.

39. Назаров Н.Г. Измерения: планирование и обработка результатов. М.: ИПК Издательство стандартов. 2000. - 304с.

40. Шлихт Г.Ю. Цифровая обработка цветных изображений. -М.: ЭКОМ, 1997. -336с.

41. Яншин В.В. Анализ и обработка изображений. Принципы и алгоритмы. -М.: Машиностроение, 1994. -240с.

42. Красильников Н.Н. Цифровая обработка изображений. М.: Вузовская книга, 2001.-320 с.

43. Кривошеев М.И. Основы телевизионных измерений. М.: Радио и связь, 1989.-608.

44. Прэтт У. Цифровая обработка изображений. T.I, Т.2. -М.: Мир,1982.

45. Рудаков П.И. Обработка сигналов и изображений. М.: Диалог МИФИ. 2000.

46. Фурман Я.А., Юрьев А.Н., Яншин В.В. Цифровые методы обработки и распознавания бинарных изображений. Красноярск: Изд-во Красноярского университета, 1992. - 248 с.

47. Горелик С.Л., Кац Б.М., Киврин В.И. Телевизионные измерительные системы. М.: Радио и связь, 1980 - 168с.

48. Бутаков Е.А., Островский В.И., Фадеев И.Л. Обработка изображений на ЭВМ.- М.: Радио и связь, 1987.-240с.

49. Хетагуров Я.А.Проектирование автоматизированных систем обработки информации и управления (АСОИУ): Учебник/Я.А.Хетагуров,- М.: Высш. шк., 2006.-223 с.

50. Р. Гонсалес, Р. Вудс. Цифровая обработка изображений. -М.: Техносфера, 2005.-1072 с.

51. Форсайт, Дэвид А., Понс, Жан. Компьютерное зрение. Современный подход.: Пер. с англ. -М.: Издательский дом «Вильяме», 2004.-928 с.

52. Казанцев Г.Д., Курячий М.И., Пустынский И.Н. Измерительное телевидение: Учеб. пособие для вузов / М.: Высш. шк., 1994.-288 с.

53. Линдли К. Практическая обработка изображений на языке Си: Пер. с англ. -М.: Мир, 1996.-512 с.

54. Гольденберг Л.М. и др. Цифровая обработка сигналов: Справочник / Л.М. Гольденберг, Б.Д. Матюшкин, М.Н. Поляк. -М.: Радио и связь, 1985.-312 с.

55. СБИС для распознавания образов и обработки изображений: Пер. с англ. /под. Ред.К.Фу. -М.:Мир,1988. -248с.

56. Романов В.Ю. Популярные форматы графических файлов для хранения графических изображений на IBM PC. -М.:Унитех, 1992 -156с.

57. Методы компьютерной обработки изображений / Под ред. В.А. Сойфера. -М.: Физматлит, 2001.-784 с.

58. Цифровое преобразование изображений: Учебн. пособие для вузов / Р.Е. Быков, Р.Фрайер, К.В. Иванов, А.А. Манцветов; Под ред. Профессора Р.Е. Быкова. -М.: Горячая линия-Телеком, 2003.-228 с.

59. Яншин В.В, Калинин Г.А.Обработка изображений на языке Си для IBM PC: Алгоритмы и программы. М.: Мир, 1994.-240 с.

60. Блинов Н.Н. Глаз и изображение. -М.: Медицина, 2004.-320 с.

61. Айфичер Э.С., Джервис Б.У. Цифровая обработка сигналов: практический подход. 2-е издание.: Пер с англ. М.: Издательский дом «Вильяме», 2004. -992 с.

62. Бутиков Е.И. Оптика: Учебное пособие для студентов физических специальностей вузов. 2-е изд., перераб. и доп. - СПб.: Невский Диалект; БХВ-Петербург, 2003-480с.

63. Гинзбург А.И. Статистика. СПб.: Питер, 2003.-128 с.

64. Харазишвили Д.В. Морфометрический анализ В-клеточных новообразований лимфатической системы: Дис. канд. мед. наук. М. 2001. - 98с.

65. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М.: Наука. Гл. ред. физ.-мат. лит., 1986.-312 с. -(Проблемы искусственного интеллекта).

66. Никитаев В.Г., Чистов К.С. Методология автоматизированного анализа периферической крови при диагностике острых лейкозов // Инженерная физика. 2005. - №2, - С. 63-67.

67. Бакут П.А., Колмогоров Г.С., Ворновицкий И.Э. Сегментация изображений: методы пороговой обработки. Зарубежная радиоэлектроника. - 1987. - №10. - С.6-24.

68. Бакут П.А., Колмогоров Г.С. Сегментация изображений: методы выделения границ областей. Зарубежная радиоэлектроника. - 1987. -№10. -С.25-47.

69. Bhanu В., Jing Peng, Part С. Adaptive integrated image segmentation and object recognition // IEEE Transactions on Systems, Man and Cybernetics, V30, 14, Nov. 2000, P.427-441.

70. Foracchia M., Ruggeri A. Cell contour detection in corneal endothelium in-vivo microscopy // Proceedings of the 22nd Annual International Conference of the IEEE 23-28 July 2000 V2, P. 1033-1035.

71. Marques, F., Cunillera, J., Gasull, A. Unsupervised image segmentation controlled by morphological contrast extraction // IEEE International Conference on Acoustics, Speech, and Signal Processing 27-30 April 1993, V5, P. 17 -20.

72. Parra I.M., Bienvenido J.F., Menenti M. Detection of structures using a robust edge detection algorithm with expansion of border windows Flores // Geoscience and Remote Sensing Symposium 24-28 June 2002, V4, P.2462 -2464.

73. Chowdhury, M.I.; Robinson, J.A. Improving image segmentation using edge information //2000 Canadian Conference on Electrical and Computer Engineering 7-10 March 2000, VI, P.312-316.

74. Харалик P. Статистический и структурный подходы к описанию текстур // ТИИЭР. 1979. -Т.67. - № 5. - С. 98 — 119.

75. Андреев Г.А., Базарский О.В, и др. Анализ и синтез случайных пространственных текстур // Зарубежная радиоэлектроника. 1984. - №2. -С. 3—33.

76. Gurevich, D. Harazishvili, I. Jernova, A. Khilkov, A. Nefyodov, I. Vorobjev. Information Technology for the Morphological Analysis of the Lymphoid Cell

77. Nucle//Image Analysis: 13th Scandinavian Conference Halmstad, Sweden, June 29 July 2,2003 Proceedings, P.541 - 548.

78. Mount D. M. KMlocal: A Testbed for A>means Clustering Algorithms // Department of Computer Science and Institute for Advanced Computer Studies University of Maryland, 2005.

79. Горелик A.JI., Скрипкин B.A. Методы распознавания: Учеб. пособие., 2-е изд., перераб. и доп. М.: Высш. шк., 1984. - 208 с.

80. Галушкин А.И. Синтез многослойных систем распознавания образов. М.: «Энергия», 1974. -368с.

81. Торрес, Роберт, Дж.Практическое руководство по проектированию и разработке пользовательского интерфейса.: Пер. с англ. -М.: Издательский дом «Вильяме», 2002.-400 е.: ил.- Парал. тит. англ.

82. Технологии разработки программного обеспечения: Учебник для вузов. 3-е изд. / С.А. Орлов. СПб.: Питер, 2004. - 527 с.

83. Тампе Л. Введение в тестирование программного обеспечения.: Пер. с англ. -М.: Издательский дом «Вильяме», 2003.-368 с.

84. Одинцов И.О. Профессиональное программирование. Системный подход. СПб.: БХВ-Петербург, 2002. - 512 с.

85. Автандилов Г. Г. Медицинская морфометрия. М.:Медицина, 1990. -384с.

86. Феллер В. Введение в теорию вероятностей и ее приложения. Tl. -М.: Мир, 1964. -500с.

87. Методика автоматизированного микроскопического анализа препаратов периферической крови при диагностике острых лейкозов /Никитаев В.Г., Чистов К.С., Зубрихина Г.Н. и др.//Успехи современного естествознания. -2004.-№6. -С. 108-109.

88. Воробьев И. А., Захарова А. И., Атауллаханов Ф. И. и др. Определение условий компьютерной записи изображения на примере кариоцитов периферической крови. // Проблемы гематологии и переливания крови. -1998.-N3.-С. 14—20.

89. Компьютерные системы гематологической диагностики. Введение / Никитаев В.Г., Воробьев И.А., Чистов К.С. и др. М.:ФГУП «ЦНИИАТОМИНФОРМ», 2006. -132с.

90. Система автоматизированного анализа бластных клеток крови при диагностике острых лейкозов / Никитаев В.Г., Проничев А.Н., Чистов К.С. и др. // Свидетельство об официальной регистрации программы для ЭВМ №2005611778 от 21.07.2005г.