Tikslus mėginio branduolių kiekio aptikimas yra reikšmingas norint pateikti tikslias diagnozes laboratorinėje medicinoje. Branduolių nustatymas citopatologiniuose vaizduose ganėtinai paprastas dėl gerai atskirtų branduolių ir sudėtingų audinių struktūrų nebuvimo, tačiau branduolių aptikimas histopatologiniuose vaizduose yra žymiai keblesnis, nes dauguma branduolių dažnai yra apsupti sudėtingų pačių histologinių struktūrų kaip kapiliarai, adipocitai ir todėl jas ypač sunku atskirti nuo triukšmo. Be to, mikroskopiniame vaizde ląstelių skaičius gali skirtis nuo dešimčių iki tūkstančių, todėl ląstelių branduolių susiliejimas ar persidengimas yra dažnas reiškinys. Tokie atvejai ir yra šio tyrimo objektas. Taip pat svarbu paminėti, kad uždavinį apsunkina ir tai, kad vaizdų išgavimui naudojamos ne vienodos techninės ir klinikinės sąlygos. Atsižvelgiant į intelektinių giliojo mokymo metodų pažangą skaitmeninės patologijos srityje, projekte suformuluotas tikslas – sukurti dirbtiniu intelektu grįstą modelį, skirtą ląstelių branduoliams fluorescenciniuose vaizduose aptikti, kai ląstelės yra persidengusios, susijungusios, nevienodai apšviestos arba dalinai uždengtos triukšmo. Kuriant modelį bus atsižvelgiama ir į galimą jo praktinį pritaikomumą realiose laboratorijose, todėl sąsūkų tinklo architektūroje planuojama integruoti specifinius filtrus, kurie leis konstruoti giliuosius tinklus specifiškai pritaikytus šiai problemai, o taip pat pagreitinti modelio apsimokymo laiką. Siekiant sukurti modelį invariantišką ląstelių branduolių formos, dydžio ir spalvos variacijoms, bus nagrinėjamos kapsulėmis grįsto sąsūkų neuroninio tinklo, taikymas galimybės. Sukurtas modelis bus palygintas su alternatyviais sąsūkų neuroninių tinklų modeliais (pvz., AlexNet, GoogleNet, U-Net, FCNN) vertinant tikslumo parametrus.
Projekto finansavimas:
KTU MTEPI fondas
Projekto įgyvendinimo laikotarpis: 2019-04-01 - 2019-12-31
