Preview

Вопросы радиоэлектроники

Расширенный поиск

СИСТЕМА АВТОМАТИЧЕСКОГО МИКРОСКОПИЧЕСКОГО АНАЛИЗА БИОМАТЕРИАЛОВ ДЛЯ ДИАГНОСТИКИ ОНКОЛОГИЧЕСКИХ ПАТОЛОГИЙ С ПРИМЕНЕНИЕМ ОБУЧАЕМЫХ НЕЙРОННЫХ СЕТЕЙ И ТЕЛЕМЕДИЦИНСКИХ КОНСУЛЬТАЦИЙ

https://doi.org/10.21778/2218-5453-2019-5-76-81

Полный текст:

Аннотация

Трудоемкость измерений, сложность морфологии тканей и клеток, нехватка квалифицированных специалистов  не позволяют полностью использовать диагностический потенциал микроскопических анализов биоматериалов  при массовых обследованиях населения. В статье рассмотрена технология создания автоматического сканирующего микроскопа-анализатора онкологических патологий (АСМАОП), который предполагает использовать для  обучения нейронной сети штатные телемедицинские консультации с экспертной оценкой производимых сканирующим микроскопом цифровых копий биоматериалов. Представлена схема работы АСМАОП в составе телемедицинской сети. Предложены аппаратные и системотехнические решения АСМАОП и нейроморфной платформы,  пригодной  для  реализации  методов  обучения  deep  learning.  Целью  создания  АСМАОП  является  выполнение  и оценка результатов микроскопических анализов на уровне опытных экспертов при значительном преимуществе в производительности и доступности.

Об авторах

Ю. С. Кучеров
АО «Научно-исследовательский институт вычислительных комплексов им. М.А. Карцева»
Россия

Кучеров Юрий Сергеевич, к. т. н., генеральный директор, 

117437, Москва, ул. Профсоюзная, д. 108, тел.: 8 (495) 330‑09‑29



В. Н. Лобанов
АО «Научно-исследовательский институт вычислительных комплексов им. М.А. Карцева»
Россия

Лобанов Василий Николаевич, к. т. н., главный специалист, 

117437, Москва, ул. Профсоюзная, д. 108, тел.: 8 (495) 330‑07‑65



В. С. Медовый
ООО «МЕдицинские КОмпьютерные Системы (МЕКОС) »
Россия

Медовый Владимир Семенович, д. т. н., директор, 

109089, Москва, ул. Угрешская, д. 2, корп. 72, тел.: 8 (495) 961‑18‑24



М. И. Чельдиев
АО «Научно-исследовательский институт вычислительных комплексов им. М.А. Карцева»
Россия

Чельдиев Марк Игоревич,  к. т. н.,  главный  конструктор  направления, 

117437,  Москва,  ул.  Профсоюзная,  д. 108,  тел.: 8 (495) 330‑09‑92



П. Б. Чучкалов
ЗАО «НПФ «ДОЛОМАНТ»
Россия

Чучкалов Павел Борисович, главный конструктор

117437, Москва, ул. Профсоюзная, д. 108, тел.: 8 (495) 234‑06‑39



Список литературы

1. Волченко Н. Н., Славнова Е. Н., Гладунова З. Д. и др. Современная цитологическая диагностика заболеваний молочной железы. М.: МГТУ им. Н. Э. Баумана, 2014. 198 с.

2. Su J., et al. Automatic detection of cervical cancer cells by a two-level cascade classification system // Analytical Cellular Pathology 2016 [Электронный ресурс]. URL: https://www.hindawi.com/journals/acp/2016/9535027 (дата обращения: 09.02.2019).

3. Litjens G., Sánchez C. I., Timofeeva N., et al. Deep learning as a tool for increased accuracy and efficiency of histopathological diagnosis // Scientific Reports. Vol. 6 [Электронный ресурс]. URL: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4876324 (дата обращения: 09.02.2019).

4. Turkki R., Linder N., Kovanen P., Pellinen T., Lundin J. Antibody-supervised deep learning for quantification of tumor-infiltrating immune cells in hematoxylin and eosin stained breast cancer samples // J. Pathol. Inform. 2016. No. 7 [Электронный ресурс]. URL: http://www.jpathinformatics.org/article.asp?issn=2153-3539; year=2016; volume=7; issue=1; spage=38; epage=38; aulast=Turkki (дата обращения: 09.02.2019).

5. Schmidhuber J. Deep learning in neural networks: an overview // Neural Networks. 2015. Vol. 61. P. 85–117.

6. Yun K., Huyen A., Lu T. Deep neural networks for pattern recognition [Электронный ресурс]. URL: https://arxiv.org/abs/1809.09645 (дата обращения: 09.02.2019).

7. Saraf M. K., et al. Deep learning for cancer diagnosis: a bright future [Электронный ресурс]. URL: https://software.intel.com/en-us/articles/deep-learning-for-cancer-diagnosis-a-bright-future (дата обращения: 09.02.2019).

8. Hyung W. J., et al. Superior prognosis prediction performance of deep learning for gastric cancer compared to Yonsei prognosis prediction model using Cox regression // J. Clin. Oncol. 2017. Vol. 35. No. 4. P. 164.

9. Soenksen D. G., inventor. Fully automatic rapid microscope slide scanner. United States patent US6711283. 2012.

10. Разработка конструкции оптического многофункционального сканирующего микроскопа с помощью теоретической модели скорости и цифрового разрешения / В. С. Медовый, Б. З. Соколинский, А. М. Пятницкий, Г. Д. Волков, А. В. Медведевских // Медицина и высокие технологии. 2017. № 4. C. 51–55.

11. Нейрокомпьютеры: от программной к аппаратной реализации / М. А. Аляутдинов, А. И. Галушкин, П. А. Казанцев, Г. П. Остапенко. М.: Горячая линия – Телеком, 2008. 152 с.

12. Omondi A. R., Rajapakse J. C., editors. FPGA Implementations of Neural Networks. Springer, 2006. 360 p.

13. Nedjah N., da Silva R. M., de Macedo Mourelle L., da Silva M. V. C. Reconfigurable MAC-based architecture for parallel hardware implementation on FPGAs of artificial neural networks. Artificial Neural Networks – ICANN2008. Lecture Notes in Computer Science. 2008. Vol. 5164. P. 169–178.

14. Trebaticky P., Pospichal J. Neural network training with extended Kalman filter using graphics processing unit. Artificial Neural Networks – ICANN2008. 18th International Conference Proceedings, Part II. 2008. P. 198–207.

15. Реконфигурируемая вычислительная платформа с разнородной архитектурой / А. К. Барыбин, В. Н. Лобанов, М. И. Чельдиев, П. Б. Чучкалов // Вопросы радиоэлектроники. 2016. № 7. С. 70–77.


Для цитирования:


Кучеров Ю.С., Лобанов В.Н., Медовый В.С., Чельдиев М.И., Чучкалов П.Б. СИСТЕМА АВТОМАТИЧЕСКОГО МИКРОСКОПИЧЕСКОГО АНАЛИЗА БИОМАТЕРИАЛОВ ДЛЯ ДИАГНОСТИКИ ОНКОЛОГИЧЕСКИХ ПАТОЛОГИЙ С ПРИМЕНЕНИЕМ ОБУЧАЕМЫХ НЕЙРОННЫХ СЕТЕЙ И ТЕЛЕМЕДИЦИНСКИХ КОНСУЛЬТАЦИЙ. Вопросы радиоэлектроники. 2019;(5):76-81. https://doi.org/10.21778/2218-5453-2019-5-76-81

For citation:


Kucherov Yu.S., Lobanov V.N., Medovy V.S., Cheldiev M.I., Chuchkalov P.B. SYSTEM OF AUTOMATIC MICROSCOPIC ANALYSIS OF BIOMATERIALS FOR DIAGNOSTICS OF ONCOLOGICAL PATHOLOGIES USING TRAINED NEURAL NETWORKS AND TELEMEDICAL CONSULTATIONS. Issues of radio electronics. 2019;(5):76-81. (In Russ.) https://doi.org/10.21778/2218-5453-2019-5-76-81

Просмотров: 93


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2218-5453 (Print)
ISSN 2686-7680 (Online)