Проблема автоматизованої обробки та аналізу даних зображень з мікроскопу має велике значення з огляду на її значний вплив на дослідження й останні розробки в області біології та медицини. Ефективні алгоритми обробки зображень сприяють розробці нових медичних діагностичних засобів і терапевтичних методів, а також сприяють розширенню нашого знання про основні механізми і процеси в живих організмах. Мета роботи - обробка мікроскопічних зображень біологічної нейронної мережі. Робота має на меті полегшити подальші дослідження біологічної нейронної мережі, що призведе до розробки більш ефективних методів діагностики, профілактики та лікування повіязаних із ними захворювань. Запропоновано алгоритм сегментації мережі біологічних нейронів, що складається з декількох кроків. На першому кроці застосовуються процедури обробки зображень, які спрямовані на підвищення якості даних зображення та виділення контурів біологічної нейронної мережі. На другому кроці будується скелетон мережі, при цьому використовується діаграма Вороного для відрізків, що складають контур об'єкта. Скелетон на основі діаграми Вороного використовується на третьому кроці для ідентифікації клітинних тіл і виокремлення їх від аксонів і дендритів. Розроблений алгоритм на основі діаграми Вороного надає змогу сегментувати окремі нейрони, локалізувати їх клітинні тіла, аксони, дендрити. Алгоритм також надає змогу представити нейронну мережу у вигляді графу. Структура даних діаграми Вороного дозволяє ефективно обчислити такий граф зі складністю O(N log N) операцій, де N - кількість точок контуру. Запропонований метод сегментації був реалізований на мовах програмування C++/Python і протестований на флуоресцентних зображеннях одержаних з CellImageLibrary (CIL). Висновки: запропонований метод сегментації спрямований на полегшення вивчення біологічних нейронних мереж. Метод надає змогу швидко сегментувати біологічну нейронну мережу за O(N log N) операцій з допомогою діаграми Вороного для відрізків. Структура даних діаграми Вороного, у свою чергу, надає змогу одержати представлення відсегментованої нейронної мережі у вигляді графу з атрибутами. Таким чином, можуть бути застосовані класичні алгоритми обробки графів для аналізу нейронної мережі і обчислення її різноманітних характеристик (наприклад, знаходження числа зв'язків між окремими нейронами, найкоротшого шляху передачі сигналу між двома нейронами тощо).

 Наукова періодика України 

---

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"