Персона:
Никитаев, Валентин Григорьевич

Научные группы

Научная группа

Прикладные технологии искусственного интеллекта в онкодиагностике и промышленном контроле (Кафедра №46)

Организационные подразделения

Организационная единица

Инженерно-физический институт биомедицины

Цель ИФИБ и стратегия развития – это подготовка высококвалифицированных кадров на базе передовых исследований и разработок новых перспективных методов и материалов в области инженерно-физической биомедицины. Занятие лидерских позиций в биомедицинских технологиях XXI века и внедрение их в образовательный процесс, что отвечает решению практикоориентированной задачи мирового уровня – диагностике и терапии на клеточном уровне социально-значимых заболеваний человека.

Статус

Руководитель научной группы "Прикладные технологии искусственного интеллекта в онкодиагностике и промышленном контроле"

Фамилия

Никитаев

Имя

Валентин Григорьевич

Полная страница элемента

Результаты поиска

Теперь показываю 1 - 10 из 24

Открытый доступ
СПОСОБ ДИАГНОСТИКИ ОНКОЛОГИЧЕСКОГО ЗАБОЛЕВАНИЯ КРОВИ
(НИЯУ МИФИ, 2023) Никитаев, В. Г.; Проничев, А. Н.; Нагорнов, О. В.; Тупицын, Н. Н.; Сельчук, В. Ю.; Дмитриева, В. В.; Палладина, А. Д.; Поляков, Е. В.; Поляков, Евгений Валерьевич; Проничев, Александр Николаевич; Никитаев, Валентин Григорьевич; Нагорнов, Олег Викторович; Дмитриева, Валентина Викторовна
Изобретение относится к области медицины и может быть использовано для диагностики минимальной остаточной болезни (МОБ) или минимальной резидуальной болезни (МРБ, Minimal residual diseases) - популяции опухолевых клеток, оставшейся в организме после достижения клинико-гематологической ремиссии (количество бластных клеток в миелограмме менее 5%) и острого лейкоза. Предлагается способ диагностики онкологического заболевания крови, заключающийся в проведении микроскопического анализа мазков периферической крови для определения формулы крови; проведении микроскопического анализа мазков костного мозга для получения изображений клеток костного мозга, распознавание клеток костного мозга путем сравнения их с образцовыми изображениями клеток и построение миелограммы; выполнении анализа костного мозга с применением цитохимических маркерных реакций на гранулоцитарный и моноцитарный ряды гемопоэза и иммунофенотипического исследования с помощью проточной лазерной цитофлюорометрии, в котором используется набор диагностических антител для определения направленности дифференцировки клеток и установления стадии созревания бластов и сопоставления полученных результатов микроскопического анализа костного мозга, формулы крови и миелограммы с результатами ранее выполняемых исследований, хранящихся в базе данных, для диагностики заболевания. Изобретение обеспечивает повышение точности выявления и диагностики онкологического заболевания крови. 3 ил.
Только метаданные
Digital Microscopy Technologies: A Method for Constructing Incision Lines on Cell Conglomerate Images
(2020) Tupitsyn, N. N.; Palladina, A. D.; Nikitaev, V. G.; Pronichev, A. N.; Dmitrieva, V. V.; Polyakov, E. V.; Samsonova, A. D.; Grigoryeva, M. S.; Druzhinina, E. A.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Дмитриева, Валентина Викторовна; Поляков, Евгений Валерьевич; Григорьева, Мария Сергеевна
© 2020, Allerton Press, Inc.Abstract: The article is devoted to the technology of separating conglomerates of leukocyte cells in digital microscopy images of bone marrow preparations in the light range for determining the number of cells and automatic diagnosing. A special feature of the proposed method is the use of the principle of separating cell conglomerates based on abnormal points. The key points of the method: the determination of the cell conglomerate contour, the detection of abnormal points, and sectioning the cell conglomerate image by the bisector of the angle whose vertex is the abnormal point. The parameters providing necessary accuracy of cell conglomerate separation are determined. Here the accuracy is understood as a fraction of correctly separated cells in the images of bone marrow preparations with respect to the total number of cells in the images used in the experiment. Images containing cell conglomerates forming chains were considered. The experiment confirmed the efficiency of the proposed method. The separation accuracy of adjacent cells is 95%.
Только метаданные
Development and Study of a Method for Cell Separation During White Blood Cell Segmentation on Images of Bone Marrow Preparations in Information and Measurement Systems for Diagnostics of Acute Leukemia
(2020) Tupitsyn, N. N.; Nikitaev, V. G.; Pronichev, A. N.; Dmitrieva, V. V.; Polyakov, E. V.; Samsonova, A. D.; Selchuk, V. Y.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Дмитриева, Валентина Викторовна; Поляков, Евгений Валерьевич; Сельчук, Владимир Юрьевич
© 2020, Springer Science+Business Media, LLC, part of Springer Nature.The issues of using information and measurement systems based on processing of digital images of microscopic preparations for solving large-scale tasks of automating the diagnosis of acute leukemia are considered. The high density of leukocyte cells in the preparation (hypercellularity) is a feature of microscopic images of bone marrow preparations. It causes the proximity of cells to each other and their contact with the formation of conglomerates. Measuring of the characteristics of bone marrow cells in such conditions leads to unacceptable errors (over 50%). The work is devoted to segmentation of contiguous cells in images of bone marrow preparations. A method of cell separation during white blood cell segmentation on images of bone marrow preparations in conditions of hypercellularity of the preparation has been developed. The peculiarity of the proposed method is the use of an approach to segmentation of cell images based on the watershed method with markers. Key stages of the method: the formation of initial markers and building of the watershed lines, threshold binarization, shading inside the outline. The parameters of the separation of contiguous cells are determined. The experiment confirmed the effectiveness of the proposed method. The relative segmentation error was 5 %. The use of the proposed method in information and measurement systems of computer microscopy for automated analysis of bone marrow preparations will help to improve the accuracy of diagnosis of acute leukemia.
Только метаданные
Automated Analysis of the Pigment Network in Dermatoscopic Images of Melanocytic Skin Tumors
(2019) Tamrazova, O. B.; Sergeev, V. Y.; Sergeev, Y. Y.; Nikitaev, V. G.; Pronichev, A. N.; Kozyreva, A. V.; Polyakov, E. V.; Druzhinina, E. A.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Поляков, Евгений Валерьевич
© 2019, Springer Science+Business Media, LLC, part of Springer Nature.A method for recognition of the pigment network lines in dermatoscopic images of skin tumors is presented. The method provides calculation of characteristics of the pigment network lines and imaging of the obtained results. Experimental assessment of the effectiveness of the proposed method showed it to be promising for use in melanoma recognition systems.
Только метаданные
Artificial Intelligence Technologies in the Diagnosis of Acute Lymphoblastic Leukemia and Minimal Residual Disease
(2021) Tupitsyn, N. N.; Chernysheva, O. A.; Serebryakova, I. N.; Palladina, A. D.; Nikitaev, V. G.; Pronichev, A. N.; Polyakov, E. V.; Dmitrieva, V. V.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Поляков, Евгений Валерьевич; Дмитриева, Валентина Викторовна
© 2021, Springer Science+Business Media, LLC, part of Springer Nature.The possibilities of using artificial intelligence technologies based on computer microscopy in the diagnosis of acute lymphoblastic leukemia and minimal residual disease have been investigated. The diagnosis “acute lymphoblastic leukemia” is made on the basis of a set of diagnostic studies. Among them, microscopy of bone marrow preparations (morphology) is mandatory. Laser flow cytofluorometry is also among the main techniques used to diagnose acute lymphoblastic leukemia. We propose a procedure for microscopy of bone marrow preparations based on the use of artificial intelligence technologies. The composition of the antibody panel for laser flow cyto-fluorometry is determined from the results of bone marrow preparation microscopy. The system for recognizing bone marrow cells in a microscopic image of a bone marrow preparation is based on the description of the texture features of cells and classification using the support vector method. A reference knowledge base required to analyze the capabilities of the bone marrow cell recognition system has been compiled. The knowledge base includes two sets of images of bone marrow cells. The first is used to establish the possibilities of classifying bone marrow cells in the diagnosis of acute lymphoblastic leukemia. The second is used for differential (clarifying) diagnosis of T- and B-cell acute lymphoblastic leukemias. The conducted experiments have confirmed the high efficiency of the computer microscopy method based on the use of artificial intelligence technologies. The proposed approach can be used as a means of supporting medical decision-making in the diagnosis of acute lymphoblastic leukemia and minimal residual disease.
Только метаданные
Integrated information and measurement system for the diagnosis of acute leukemia and minimal residual disease based on computer microscopy, flow laser cytofluorimetry and artificial intelligence
(2021) Tupitsin, N. N.; Palladina, A. D.; Nikitaev, V. G.; Pronichev, A. N.; Selchuk, V. Yu.; Dmitrieva, V. V.; Polyakov, E. V.; Liberis, K. A.; Tsyplyak, V. I.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Сельчук, Владимир Юрьевич; Дмитриева, Валентина Викторовна; Поляков, Евгений Валерьевич
© 2021 Institute of Physics Publishing. All rights reserved.The article considers a new integrated information and measurement system for the diagnosis of acute leukemia and minimal residual disease based on computer microscopy and flow laser cytometry. The system is based on combining the results of computer microscopy in the analysis of bone marrow preparations and the results of flow laser cytofluorimetry. A special feature of the system is the use of artificial intelligence technologies in the recognition of images of bone marrow cells in the computer microscopy subsystem. The work was the result of joint work of the Department of Computer Medical Systems of the National Research Nuclear University "MEPhI" and the Laboratory of Hematopoietic Immunology of the National Medical Research Center of Oncology named after N. N. Blokhin.
Только метаданные
ANALYSIS OF BIOLOGICAL OBJECTS BY DIGITAL OPTICAL MICROSCOPY USING NEURAL NETWORKS
(2021) Tupitsyn, N. N.; Paladina, A. D.; Nikitaev, V. G.; Pronichev, A. N.; Dmitrieva, V. V.; Polyakov, E. V.; Liberis, K. A.; Grigorieva, M. S.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Дмитриева, Валентина Викторовна; Поляков, Евгений Валерьевич; Григорьева, Мария Сергеевна
© 2021, Allerton Press, Inc.Abstract: An interdisciplinary (physics, biology, medicine, computer science) problem of recognizing bone marrow cells for the diagnosis of acute leukemia and minimal residual disease is considered. The use of neural networks for determining cell classes in a microscopic image of a bone marrow preparation is considered. Images are formed in transmitted light. The structure of the neural network and image sample for experimental studies are presented. The structure of the neural network is refined based on the experimental results. The accuracy characteristics of the developed system are determined.
Только метаданные
Classification of bone marrow cells in the diagnosis of acute lymphoblastic leukemia
(2021) Tupitsin, N. N.; Selchuk, V. Yu.; Palladina, A. D.; Nosova, E. M.; Nikitaev, V. G.; Pronichev, A. N.; Dmitrieva, V. V.; Polyakov, E. V.; Liberis, K. A.; Dzhokich, M.; Solomatin, M. A.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Дмитриева, Валентина Викторовна; Поляков, Евгений Валерьевич; Соломатин, Михаил Андреевич
© 2021 Institute of Physics Publishing. All rights reserved.The paper presents approaches to automated classification of bone marrow cells in the diagnosis of acute lymphoblastic leukemia and minimal residual disease using image recognition procedures. The classification methods that show the best accuracy in the recognition of eight types of bone marrow cells were experimentally determined. Recommendations for their use are given.
Только метаданные
Investigation of Textural Features for the Problems of Bone Marrow Cell Recognition in Information-Measuring Systems of Oncohematology
(2022) Tupitsin, N. N.; Palladina, A. D.; Nikitaev, V. G.; Pronichev, A. N.; Dmitrieva, V. V.; Kozyreva, A. V.; Mayorov, M. S.; Solomatin, M. A.; Druzhinina, E. A.; Polyakov, E. V.; Batuev, B. B.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Дмитриева, Валентина Викторовна; Соломатин, Михаил Андреевич; Поляков, Евгений Валерьевич
© 2022, Springer Science+Business Media, LLC, part of Springer Nature.The influence of the parameters of constructing a matrix of spatial adjacency on textural features in the problems of recognizing bone marrow cells in information-measuring systems for diagnosing acute leukemia has been studied. 100 images of blast cells of B- and T-cell acute lymphoblastic leukemias were examined. Five textural features calculated on the basis of the spatial adjacency matrix are considered – energy, moment of inertia, local uniformity, maximum probability, entropy. When constructing an adjacency matrix, the variable parameters were analyzed – the type of the color component of the RGB-model of the color image, the distance and direction of the adjacency. For a given sample of images, the range of adjacency distances in which the largest change in the values of texture features is observed was 1–11 pixels. The values of features of different types vary in the range of 20–1700%. The maximum information content was obtained for the green component of the color image for the texture feature “local uniformity” (information content coefficient of 0.48) with an adjacency distance of 1 pixel. For practical use, it is recommended to use four directions of adjacency when constructing spatial adjacency matrices. The results obtained are important for specialists working in the field of designing information and measuring systems for hematology oncology (diagnostics of dangerous oncological diseases – acute leukemia).
Открытый доступ
СПОСОБ РАСПОЗНАВАНИЯ СТРУКТУРЫ ЯДЕР БЛАСТОВ КРОВИ И КОСТНОГО МОЗГА
(НИЯУ МИФИ, 2022) Никитаев, В. Г.; Проничев, А. Н.; Тупицын, Н. Н.; Сельчук, В. Ю.; Дмитриева, В. В.; Палладина, А. Д.; Козырева, А. В.; Дружинина, Е. А.; Майоров, М. С.; Поляков, Е. В.; Батуев, Б. Б.; Соломатин, М. А.; Будадин, О. Н.; Поляков, Евгений Валерьевич; Соломатин, Михаил Андреевич; Никитаев, Валентин Григорьевич; Дмитриева, Валентина Викторовна; Проничев, Александр Николаевич; Сельчук, Владимир Юрьевич
Изобретение относится к области медицины и может быть использовано для распознавания структуры ядер бластов крови и костного мозга с применением световой микроскопии в сочетании с компьютерной обработкой данных. Согласно изобретению получают цветное изображение мазков крови и/или костного мозга, используя компьютерный анализатор, выделяют на изображении лейкоциты и получают их бинарное изображение, на бинарном изображении лейкоцитов последовательным сканированием проводят процедуру заполнения пустот, измеряют пространственно-яркостное распределение пикселей изображения и определяют значение текстурных признаков, характеризующих структуру ядра, для представлений цветовых моделей лейкоцитов, на основе текстурных признаков формируют матрицу числовых текстурных признаков структуры ядра, в столбцах которой указаны значения текстурных признаков, а в строках приведены изображения лейкоцитов, используемые для распознавания структуры ядер бластов. Определение значений текстурных признаков, характеризующих структуру ядра лейкоцитов, осуществляют для четырех направлений смежности, при этом текстурный признак «локальная однородность» для красного компонента цветного изображения определяют с использованием расстояний смежности в одиннадцать пикселей, текстурный признак «момент инерции» для красного компонента цветного изображения определяют путем расчета для расстояния смежности в два пикселя, текстурный признак «момент инерции» для синего компонента цветного изображения определяют с использованием расстояний смежности в семь пикселей, текстурный признак «энтропия» для синего компонента цветного изображения определяют с использованием расстояний смежности в шесть пикселей и текстурный признак «энергия» для синего компонента цветного изображения определяют с использованием расстояний смежности в шесть пикселей. Изобретение обеспечивает повышение достоверности постановки диагноза за счет использования признаков, позволяющих обеспечить высокую информативность. 5 з.п. ф-лы, 5 ил.