2026, НИКИТАЕВ, В. Г., ЗАБОТИНА, Т. Н., ПРОНИЧЕВ, А. Н., БОРУНОВА, А. А., ТОРОСЯН, М. С., Торосян, Марлен Саакович, Проничев, Александр Николаевич, Никитаев, Валентин Григорьевич

Представлен разработанный метод преобразования данных и распознавания популяций лейкоцитов при проточной цитометрии. Ядром метода являются математические методы и модели машинного обучения, реализующие преобразование табличных данных в изображения, аугментацию и распознавание популяций лейкоцитов. Эксперимент продемонстрировал точность распознавания популяций лейкоцитов, на примере моноцитов, равную 89 %.

2022, Otchenashenko, A. I., Nikitaev, V. G., Pronichev, A. N., Tamrazova, O. B., Sergeev, V.Yu., Sergeev, Yu. Yu., Отченашенко, Александр Иванович, Никитаев, Валентин Григорьевич, Проничев, Александр Николаевич

2020, Tamrazova, O. B., Sergeev, V. Y., Sergeev, Y. Y., Nikitaev, V. G., Pronichev, A. N., Никитаев, Валентин Григорьевич, Проничев, Александр Николаевич

© 2020, Pediatria Ltd.. All rights reserved.Nevi are congenital formations that appear on the skin from birth or in early childhood, are very common in healthy children and, as a rule, are harmless. The article deals with epidermal nevi formed from epidermal cells and skin appendages (sebaceous and sweat glands, hair follicles). Particular attention is paid to the syndromes of epidermal nevi, which are characterized by a combination of skin rashes with systemic manifestations. Correct diagnosis of different subtypes of nevi, their differential diagnosis with other pigment formations (including melanomas) and non- melanoma skin cancer, as well as the recognition of non-uniform syndromes will help to determine the pediatrician correct tactics of management of patients, further counseling and assess the prognosis of the disease. Early diagnosis using dermatoscopy and modern techniques based on artificial intelligence is most significant in children before the development of progressive symptoms or neurological disorders. In the detection of epidermal nevus syndromes, consultations of related specialists (neurologists, traumatologists, cardiologists, etc.) are recommended.

2025, Nikitaev, V. G., Pronichev, A. N., Nagornov, O. V., Otchenashenko, A. I., Deeva, O. K., Никитаев, Валентин Григорьевич, Проничев, Александр Николаевич, Нагорнов, Олег Викторович, Отченашенко, Александр Иванович

2025, Nikitaev, V. G., Pushkar, D. Yu., Matveev, V. B., Pronichev, A. N., Nagornov, O. V., Otchenashenko, A. I., Kleyman, A. I., Никитаев, Валентин Григорьевич, Проничев, Александр Николаевич, Нагорнов, Олег Викторович, Отченашенко, Александр Иванович

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.

2021, Tamrazova, O. B., Sergeev, V. Y., Nikitaev, V. G., Pronichev, A. N., Medvedeva, O. A., Kozlov, V. S., Solomatin, M. A., Никитаев, Валентин Григорьевич, Проничев, Александр Николаевич, Козлов, Владимир Сергеевич, Соломатин, Михаил Андреевич

© 2021, Springer Science+Business Media, LLC, part of Springer Nature.A method for recognizing “circles”, significant structural elements of skin neoplasms, has been proposed. An RDS-2 dermatoscope has been used for imaging. Special software has been developed to implement the proposed method for circle recognition. The results of experimental detection of circles are presented. The developed method can be used in diagnostic systems for detecting skin melanoma, a dangerous form of cancer.

2023, Занегина, Т. П., Никитаев, В. Г., Проничев, А. Н., Соломатин, М. А., Воронин, А. Е., Архангельская, И. В., Сошнина, А. В., Петухова, А. И., Багнова, П. Ю., Тамразова, О. Б., Сергеев, В. Ю., Сергеев, Ю. Ю., Архангельская, Ирина Владимировна, Никитаев, Валентин Григорьевич, Проничев, Александр Николаевич, Петухова, Александра Ильинична, Соломатин, Михаил Андреевич

В работе представлены результаты разработки наглядного способа распознавания новообразований кожи на основе модели оценки асимметрии формы пигментного участка патологического разрастания эпидермиса и (или) дермы. В качестве исходных данных рассматривались изображения пигментных новообразований кожи, полученные с помощью дерматоскопа. Для анализа изображений применялась модель расчета коэффициентов асимметрии формы, полученных относительно главных осей инерции новообразования, что позволяет получать независящие от угла поворота изображений значения.

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.

2021, Tamrazova, O. B., Sergeev, V. Y., Nikitaev, V. G., Pronichev, A. N., Druzhinina, E. A., Никитаев, Валентин Григорьевич, Проничев, Александр Николаевич

© 2021, Pleiades Publishing, Ltd.Abstract: An algorithm for analyzing the characteristics of the pigment network of skin neoplasms is proposed. It is based on the assessment of the deviation coefficient of the average lengths of the pigment network segments in the local areas of the neoplasm from the average value of the lengths of the pigment network segments throughout the area of the neoplasm. The use of the algorithm makes it possible to distinguish the typical pigment network from an atypical one. An atypical pigment network is a core feature in identifying early melanoma. The algorithm can be used in automated systems to support medical decision-making in the diagnosis of skin neoplasms.