Персона:
Проничев, Александр Николаевич

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

Проничев

Имя

Александр Николаевич

Полная страница элемента

Результаты поиска

Теперь показываю 1 - 10 из 64

Только метаданные
SPITZ nevus (juvenile melanoma) in the pediatricians practice: Clinical picture, diagnosis, prognosis and treatment
(2021) Tamrazova, O. B.; Sergeev, V. Yu.; Taganov, A. V.; Glukhova, E. A.; Nikitaev, V. G.; Pronichev, A. N.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич
© 2021, Pediatria Ltd.. All rights reserved.Spitz nevi (epithelioid and spindle-cell nevi) are a special group of melanocytic neoplasms with a specific clinical, dermatoscopic and histological picture. There are typical and atypical Spitz nevus. The typical Spitz nevus is more common in pediatric practice and has a benign course. Of particular interest are atypical forms that combine the characteristics of a typical Spitz nevus and melanoma. The article presents an analysis of the clinical picture, dermatoscopic, immunohistochemical, histological and genetic characteristics in various forms of Spitz nevus. The existing classification according to the metastasis risk degree is presented. The last recommendations on the tactics of managing patients with this nosology are discussed with examples of original observations.
Только метаданные
Detection of Circles as Structural Elements in Dermatoscopic Images of Skin Neoplasms in the Diagnosis of Melanoma
(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.
Только метаданные
Model 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.
Только метаданные
AFM-MS for Protein Analysis of Plasma Samples of Patients with Ovarian Cancer
(2019) Kaysheva, A. L.; Pleshakova, T. O.; Malsagova, K. A.; Chingin, K.; Pronichev, A. N.; Nikitaev, V. G.; Ivanov, E. O.; Проничев, Александр Николаевич; Никитаев, Валентин Григорьевич
An atomic force microscope (AFM) is a molecular detector that allows the recording of individual proteins and protein complexes on the surface of an atomically flat substrate, the AFM chip. Registration of target proteins is carried out after the fishing procedure - catching out of proteins from the volume of the analyzed solution to a surface of a small area (sensory zone of the chip) modified by affinity reagents against the target protein. The use of the procedure of biospecific enrichment makes it possible to effectively concentrate the molecules of the target proteins in an amount sufficient for the subsequent mass spectrometric analysis for early diagnosis of ovarian cancer in blood samples.
Только метаданные
Image Segmentation of Skin Neoplasms Using the Active Contour Method
(2022) Voronin, A. E.; Pronichev, A. N.; Nikitaev, V. G.; Solomatin, M. A.; Zanegina, T. P.; Arkhangelskaya, I. V.; Petukhova, A. I.; Bagnova, P. Yu.; Soshnina, A. V.; Проничев, Александр Николаевич; Никитаев, Валентин Григорьевич; Соломатин, Михаил Андреевич; Архангельская, Ирина Владимировна; Петухова, Александра Ильинична
Только метаданные
Nevi in children: Organoid epidermal nevi: Clinical picture, diagnosis, treatment (Part 2)
(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.
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
Открытый доступ
Модель оценки асимметрии пигментного новообразования
(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.
Только метаданные
Diagnostic performance study on the melanoma automated diagnosis software powered by artificial intelligence technologies
(2020) Sergeev, V. Yu.; Nikitaev, V. G.; Pronichev, A. N.; Никитаев, Валентин Григорьевич; Проничев, Александр Николаевич; Тамразова, О. Б.; Сергеев, Ю. Ю.
INTRODUCTION: The research evaluates a series of publications on the machine recognition efficacy of cutaneous melanoma dermatoscopic images. Some authors report high sensitivity and specificity of automated diagnostics of skin tumors. Significant differences in the published data can be attributed to the use of different algorithms and groups of skin neoplasms to calculate the accuracy rate. MATERIALS AND METHODS: The diagnostic performance of two automated artificial intelligence systems is compared. RESULTS: The convolutional neural network algorithm improves the overall diagnostic accuracy by 7% compared to the algorithm without deep learning, while the overall accuracy rate was 78%. An initial set of 100 dermatoscopic images used in the study is published online for the assessment of the applicability of the obtained data when introducing existing artificial intelligence systems. CONCLUSION: The main limitations and possible ways to further improve the automated diagnosis of skin tumors based on digital dermatoscopy are outlined.
Открытый доступ
ПРОГРАММА 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 Юрьевич
Программа 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.