Персона:
Отченашенко, Александр Иванович

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.

Фамилия

Отченашенко

Имя

Александр Иванович

Полная страница элемента

Результаты поиска

Теперь показываю 1 - 10 из 10

Только метаданные
A Model for Detecting Structural Elements – Lines – in Digital Images in Oncodermatology
(2021) Tamrazova, O. B.; Sergeev, V. Y.; Nikitaev, V. G.; Pronichev, A. N.; Otchenashenko, A. I.; Druzhinina, E. A.; Kozyreva, A. V.; Solomatin, M. A.; Kozlov, V. S.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Отченашенко, Александр Иванович; Соломатин, Михаил Андреевич; Козлов, Владимир Сергеевич
© 2021, Springer Science+Business Media, LLC, part of Springer Nature.The problem of early diagnosis of one of the most dangerous malignant neoplasms of the skin, melanoma, is considered. A model for detecting structural elements (lines) in digital images of skin neoplasms in oncodermatology has been developed. The model is based on adaptive binarization of the initial digital dermatoscopy image of skin les neoplasms ions and subsequent operations of dilation, erosion, skeletonization, and filtration of false line fragments. Test dermatoscopy images of skin neoplasms were visually divided into four groups to conduct the experiment. Optimal parameters of image processing of four groups for the model of detecting structural elements – lines – have been experimentally established. The experimentally determined accuracy of line detection was 95%. This research is the result of interdisciplinary cooperation of dermatologists of the Central Medical Academy of the Administrative Department of the President of the Russian Federation, the Medical Institute of the Russian Peoples’ Friendship University and experts in the field of information and measurement systems of the Engineering and Physical Institute of Biomedicine of the National Research Nuclear University “MEPhI”. The proposed model can be used in the development of computer systems to support medical decision-making in the diagnosis of skin melanoma – a dangerous malignant neoplasm.
Открытый доступ
Характеристики структурных элементов “линий” в системе распознавания меланомы
(2023) Отченашенко, А. И.; Никитаев, В. Г.; Проничев, А. Н.; Тамразова, О. Б.; Сергеев, В. Ю.; Сергеев, Ю. Ю.; Никитаев, Валентин Григорьевич; Отченашенко, Александр Иванович; Проничев, Александр Николаевич
В работе рассмотрена проблема ранней диагностики одного из наиболее опасных злокачественных новообразований кожи – меланомы. Разработана модель выделения структурных элементов (линий) на цифровых изображениях новообразований кожи в онкодерматологии. Модель основана на комбинации бинаризации методом Оцу и адаптивной бинаризации исходного цифрового дерматоскопического изображения новообразований кожи и последующей скелетизации и фильтрации ложных фрагментов линий.
Только метаданные
Characteristics of the Structural Elements of the "Lines" in the Melanoma Recognition System
(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
Только метаданные
Semantic Segmentation of Skin Neoplasms: The Way to an Accurate Diagnosis
(2023) Otchenashenko, A. I.; Nikitaev, V. G.; Pronichev, A. N.; Sergeev, V. Y.; Отченашенко, Александр Иванович; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич
Открытый доступ
СПОСОБ 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 Николаевич
Изобретение 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.
Только метаданные
Artificial intelligence in oncourology: integrated deep learning technologies in the tasks of segmentation of three-dimensional images of kidney tumors
(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
Только метаданные
The method for evaluating the symmetry of the globule pattern in artificial intelligence systems for the diagnosis of skin neoplasms
(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
Только метаданные
An artificial intelligence model for the semantic segmentation of neoplasms on images of the skin
(2024) Nikitaev, V. G.; Pronichev, A. N.; Nagornov, O. V.; Otchenashenko, A. I.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Нагорнов, Олег Викторович; Отченашенко, Александр Иванович
Только метаданные
New Approach to Segmentation of Compute Tomography Images in Cancer Diagnosis
(2025) Nikitaev, V. G.; Nagornov, O. V.; Pronichev, A. N.; Selchuk, V. Y.; Otchenashenko, A. I.; Kleyman, A. I.; Никитаев, Валентин Григорьевич; Нагорнов, Олег Викторович; Проничев, Александр Николаевич; Сельчук, Владимир Юрьевич; Отченашенко, Александр Иванович
Только метаданные
The method for automated globule color recognition in dermoscopic images of skin neoplasms
(2025) Nikitaev, V. G.; Pronichev, A. N.; Nagornov, O. V.; Sergeev, V. Yu.; Otchenashenko, A. I.; Kegelik, N. A.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Нагорнов, Олег Викторович; Отченашенко, Александр Иванович