|
Описание программного обеспечения автоматической морфометрии >>>
|
Рисунок 1. Программное обеспечение "ДиаМорф Объектив" может быть использовано для автоматического подсчета числа объектов заданного типа, с определением классов объектов. Также определяются и сводятся в итоговую таблицу морфологические характеристики объектов (площадь, периметр, фактор формы, габариты и т.п.). Для получения информации о конкретном объекте изображения, достаточно кликнуть его с помощью мыши.
|
Примеры более сложного анализа изображений |
 |
| Пример 1. Эритроциты в мазке. Исходный снимок - вверху, результаты - внизу. Поиск объектов выполнен в полностью автоматическом режиме, без указания каких-либо априорных сведений пользователем. Обнаруженные клетки выделяются красным контуром, отражающим конфигурацию границы. Для каждого из обнаруженных объектов считаются морфологические параметры. Видно, что автоматический режим работает с некоторой погрешностью (практическая погрешность на изображениях достаточно большой площади составляет около 5%). |
 |
| Пример 2. Эритроциты в мазке. Поиск лимфоцитов. Обнаружение объектов проводилось в полностью автоматическом режиме, однако пользователем был указан дополнительный эвристический критерий, описывающий искомый тип клеток - лимфоциты - как округлые, "темные" объекты. |
 |
| Пример 3. Срез спинного мозга. Полностью автоматический режим, с указанием эвристического критерия "только темные и светлые объекты". Найдены объекты препарата различной природы. |
Рисунок 2. Окно настроек подсистемы распознавания объектов позволяет гибко управлять автоматическим процессом анализа изображения.
Описание прогрраммы >>> |
 |
| Пример 4. В программном обеспечении анализа изображений "ДиаМорф Объектив 1.5" предусмотрена возможность регулирования "чувствительности" подсистемы распознавания объектов. В данном примере исходное изображение (вверху) обработано в автоматическом режиме с высокой детализацией. |
 |
| Пример 5. Два приведенных изображения получены обработкой исходного изображения из примера 4 с использованием разных уровней "чувствительности" подсистемы распознавания. Выделение объектов проведено автоматически, без какой-либо ручной сегментации или указания опорных значений. Таким образом, если на верхнем изображении еще имеются "мелкие" объекты, то на нижнем выделены только наиболее "общие", без подробной детализации. |
 |
| Пример 6. Анализ низкоконтрастного изображения в полностью автоматическом режиме (ручная сегментация или еще какая-либо обработка не применялись). Программным обеспечением успешно выделены достаточно точные внешние контуры важных для характеристики изображения объектов. |
 |
| Пример 7. Количественное определение степени внутристромального отека. (Препарат роговицы человека, удаленной по поводу буллёзной кератопатии). В полностью автоматическом режиме производится обнаружение областей низкой оптической плотности. В норме, в строме не существует оптически прозрачных участков. В случае развития отека, стромальные пластины расслаиваются под воздействием тканевой жидкости, появляются области с высокой опической прозрачностью. Определение относительной площади этих областей позволяет объективно определить степень отека. Препарат и пример использования любезно предоставлены вед. науч. сотр. патогистологической лаборатории ГУ НИИ ГБ РАМН Федоровым А.А. |
