Персона: Сельчук, Владимир Юрьевич
Загружается...
Email Address
Birth Date
Научные группы
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
Фамилия
Сельчук
Имя
Владимир Юрьевич
Имя
10 results
Результаты поиска
Теперь показываю 1 - 10 из 10
- ПубликацияОткрытый доступApplications of neural networks in the diagnosis of lymphoproliferative diseases(2019) Mozhenkova, A. V.; Tupitsin, N. N.; Frenkel, M. A.; Grebennikova, O. P.; Nikitaev, V. G.; Pronichev, A. N.; Polyakov, E. V.; Dmitrieva, V. V.; Kobelev, S. A.; Selchuk, V. Y.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Поляков, Евгений Валерьевич; Дмитриева, Валентина Викторовна; Сельчук, Владимир Юрьевич© 2019 Published under licence by IOP Publishing Ltd. The work is devoted to one of the promising directions in the field of artificial intelligence - recognition of blood cells and bone marrow to differentiate leukocytes by type in the diagnosis of lymphoproliferative diseases using computer microscopy. The article presents a study using neural networks to classify cells by type.
- ПубликацияОткрытый доступClinical intelligent system for the diagnosis of prostate cancer(2019) Pushkar, D. Y.; Govorov, A. V.; Prilepskaya, E. A.; Kovilina, M. V.; Nikitaev, V. G.; Pronichev, A. N.; Selchuk, V. Yu.; Onykiy, B. N.; Zaytsev, S. M.; Polyakov, E. V.; Kurdin, A. A.; Levadnaya, M. G.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Сельчук, Владимир Юрьевич; Поляков, Евгений Валерьевич© 2019 Published under licence by IOP Publishing Ltd. A software clinical intelligent system for the diagnosis of prostate cancer is discussed. The system provides assistance to the doctor in the histological diagnosis. The system has the mode of operation of an expert doctor to fill the knowledge base of the system, the mode of assistance to the diagnostician (pathologist) in the formation of requests to the system, the mode of support in decision-making based on the formation of a rating list of possible diagnoses for the case under study, the training mode.
- ПубликацияОткрытый доступMethod of recognition of the blasts nuclei structure by using light microscopy and computer data processing(2019) Mozhenkova, A. V.; Tupitsin, N. N.; Frenkel, M. A.; Grebennikova, O. P.; Nikitaev, V. G.; Pronichev, A. N.; Polyakov, E. V.; Dmitrieva, V. V.; Selchuk, V. Y.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Поляков, Евгений Валерьевич; Дмитриева, Валентина Викторовна; Сельчук, Владимир Юрьевич© 2019 Published under licence by IOP Publishing Ltd. Method for recognizing the structure of blood and bone marrow blast nuclei using light microscopy and computer data processing is proposed to improve the accuracy of diagnosis of acute leukemia, including reducing the subjectivity of microscopic analysis of blood and bone marrow preparations. The paper presents a model of automated recognition of blood cells during microscopic analysis based on objective criteria of classification of images of pathological cells, focused on the differential diagnosis of acute leukemia. The application of the proposed method allows to clarify the variant of the disease and reduce the time of the diagnostic process.
- ПубликацияТолько метаданныеModel for Estimating the Heterogeneity of the Distribution of Globule Characteristics in Images of Skin Neoplasms(2021) Tamrazova, O. B.; Sergeev, V. Y.; Nikitaev, V. G.; Pronichev, A. N.; Selchuk, V. Y.; Kozlov, V. S.; Lim, A. O.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Сельчук, Владимир Юрьевич; Козлов, Владимир Сергеевич© 2022, Springer Science+Business Media, LLC, part of Springer Nature.The problem of diagnosing skin melanoma by digital imaging of the tumor is considered. Clinical algorithms for detecting skin melanoma are briefly described. A review of works devoted to the automated assessment of distribution asymmetry of the shape, color, and area of globules – important signs of melanoma, is given. A model for assessing the distribution heterogeneity of globule characteristics on digital images in the diagnosis of skin neoplasms has been developed, and models of distribution heterogeneity indicators have been proposed. An experimental comparative assessment of indicator models was carried out using a software system developed in the C++ language. The most informative indicators of globule characteristics distribution heterogeneity have been determined. The maximum (93%) accuracy in assessing the distribution heterogeneity of globule characteristics was obtained for the indicator “reduced reciprocal of the highest frequency of occurrence of the measured areas of globules.” The results of the study can be useful in the development of medical decision support systems for the diagnosis of melanoma.
- ПубликацияОткрытый доступArtificial intelligence systems for doctors training(2020) Shabalova, I. P.; Druzhinina, E. A.; Nikitaev, V. G.; Pronichev, A. N.; Selchuk, V. Yu.; Dmitrieva, V. V.; Polyakov, E. V.; Dzhangirova, T. V.; Mozerov, S. A.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Сельчук, Владимир Юрьевич; Дмитриева, Валентина Викторовна; Поляков, Евгений Валерьевич© Published under licence by IOP Publishing Ltd.One of the most effective solutions of oncology problems is creation of artificial intelligence medical systems. Intelligent medical system is a collaboration product of doctors and IT specialists. This article reveals an approach to the creation of educational intelligent systems using the example of an intellectual teaching system for the cytological diagnosis of breast diseases. These systems are based on many years of doctor's practice and improve the quality of training for new doctors.
- ПубликацияТолько метаданныеDevelopment 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.
- ПубликацияТолько метаданныеIntegrated 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.
- ПубликацияОткрытый доступПРОГРАММА РАСПОЗНАВАНИЯ АРТЕФАКТОВ НА ИЗОБРАЖЕНИЯХ МАЗКОВ КРОВИ И КОСТНОГО МОЗГА В СИСТЕМАХ КОМПЬЮТЕРНОЙ МИКРОСКОПИИ С ПРИМЕНЕНИЕМ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА(НИЯУ МИФИ, 2024) Никитаев, В. Г.; Простаков, С. Н.; Сельчук, В. Ю.; Клейман, А. И.; Марков, Т. К.; Аванесов, М. А.; Деева, О. К.; Проничев, А. Н.; Проничев, Александр Николаевич; Никитаев, Валентин Григорьевич; Марков, Тодор Костов; Простаков, Святослав Николаевич; Сельчук, Владимир ЮрьевичПрограмма разработана для распознавания микроскопических изображений мазков периферической крови и костного мозга, с целью выявления артефактов и проведения анализа влияния артефактов на точность гематологической диагностики. Реализованы классические и нейросетевые методы распознавания артефактов. Обеспечивает разделение входных данных на артефакты и исследуемые клетки для увеличения точности классификации клеток крови и костного мозга. Визуализирует результаты сравнительного анализа эффективности классических и нейросетевых методов выявления артефактов. Тип ЭВМ: IBM PC-совмест. ПК; ОС: Debian 9.
- ПубликацияОткрытый доступСПОСОБ 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 ЮрьевичИзобретение 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.
- ПубликацияОткрытый доступСПОСОБ ДИАГНОСТИКИ МЕЛАНОМЫ КОЖИ(НИЯУ МИФИ, 2022) Никитаев, В. Г.; Нагорнов, О. В.; Проничев, А. Н.; Тамразова, О. Б.; Сергеев, В. Ю.; Сергеев, Ю. Ю.; Сельчук, В. Ю.; Дмитриева, В. В.; Отченашенко, А. И.; Зайцев, С. М.; Дружинина, Е. А.; Козырева, А. В.; Соломатин, М. А.; Козлов, В. С.; Будадин, О. Н.; Соломатин, Михаил Андреевич; Дмитриева, Валентина Викторовна; Сельчук, Владимир Юрьевич; Козлов, Владимир Сергеевич; Отченашенко, Александр Иванович; Нагорнов, Олег Викторович; Никитаев, Валентин Григорьевич; Проничев, Александр НиколаевичИзобретение относится к медицине, а именно к онкологии, и может быть использовано для диагностики меланомы кожи. Способ включает регистрацию дерматоскопического видеоизображения кожи; измерение и выделение пораженного участка на видеоизображении; измерение координат и сегментировании изображения характерного участка; выбор диагностического признака изображения для формирования диагноза; измерение параметров признака и сравнение параметров выбранного признака с библиотекой заранее определенных параметров признака, формирование диагноза на основе сравнения параметров признака, выбранного из группы признаков: цвет, граница, асимметрия и текстура изображения с параметрами диагностического признака изображения. После регистрации дерматоскопического видеоизображения участка кожи и перед выбором диагностического признака изображения для формирования диагноза осуществляют следующие действия: задают критерий качества видеоизображения кожи для обеспечения достоверного анализа видеоизображения и диагностики меланомы, проводят повторную по меньшей мере одну регистрацию дерматоскопического видеоизображения того же участка кожи, измеряют значения пикселей зарегистрированного видеоизображения, накладывают зарегистрированные цифровые видеоизображения участков кожи друг на друга, измеряют значения пикселей наложенного видеоизображения, измеряют среднее значение величины пикселей наложенных видеоизображений, измеряют среднеквадратичное отклонение величин пикселей наложенных видеоизображений, характеризующее величину шума, определяют отношение сигнал/шум (С/Ш) для наложенных видеоизображений, определяют необходимость продолжения регистрации видеоизображений кожи, сравнивая полученное отношение (С/Ш) с заданным критерием качества видеоизображения. Далее выбирают характерные участки всего зарегистрированного изображения кожи по признаку наличия интенсивности аномалий, определяют пороговое значение бинаризации по всей площади изображения, определяют адаптивное пороговое значение бинаризации по характерным участкам изображения, осуществляют бинаризацию и измеряют полученные результаты по всей площади зарегистрированного изображения путем сравнения значений пикселей с пороговым значением. Осуществляют бинаризацию и измеряют полученные результаты по характерным участкам площади изображения. И измеряют результаты комбинированной бинаризации, полученной путем наложения операцией «логическое И» измеренных результатов бинаризации изображения на результат бинаризации адаптивного порога для снижения уровня шумов фона и однородностей внутри площади изображения меланомы. Осуществляют дилатацию изображения комбинированной бинаризации. Осуществляют эрозию измеренного комбинированного бинаризованного изображения для сглаживание краев линий, скелетизацию измеренного комбинированного бинаризованного изображения со сглаженными краями линий, формирующих скелет линий, фильтрацию скелетизации измеренного комбинированного бинаризованного изображения и измерение полученных результатов для устранения ложных отростков скелетных линий. Изобретение обеспечивает повышение объективности, информативности и достоверности при постановке диагноза меланомы кожного покрова. 4 з.п. ф-лы., 5 ил., 1 табл.