Registration Number
2119U007780, Article
popup.category
Опубліковано, Стаття
Title
VORONOI-BASED SKELETONIZATION ALGORITHM FOR SEGMENTING THE NETWORK OF BIOLOGICAL NEURONS
popup.author
Коцур Д. В.
Терещенко В. М.
Kotsur D. V.
Tereshchenko V. M.
popup.publication
16-04-2019
popup.source_user
Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка")
popup.source
https://ric.zp.edu.ua/article/view/163670
popup.publisher
National University "Zaporizhzhia Polytechnic"
Description
Актуальність. Проблема автоматизованої обробки та аналізу даних зображень з мікроскопу має велике значення з огляду на її значний вплив на дослідження та 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. Первинним фокусом цієї роботи є 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 пов’язаних із ними захворювань.
Метод. 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.
Результати. Розроблений алгоритм на основі діаграми Вороного дозволяє сегментувати окремі нейрони, локалізувати їх клітинні тіла, аксони, дендрити. Алгоритм також дозволяє 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 отриманих з CellImageLibrary (CIL).
Висновки. Запропонований метод сегментації спрямований на полегшення вивчення біологічних нейронних мереж. Метод дозволяє швидко сегментувати біологічну нейронну мережу за O(N log N) операцій з допомогою діаграми Вороного для відрізків. Структура даних діаграми Вороного, у свою чергу, дозволяє отримати 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).
popup.nrat_date
2026-02-09