Система машинного зрения для распознавания трехмерной структуры перинейрональных сетей
Автор: А.А. Егорчев, А.Р. Кашипов, Д.Е. Чикрин, А.В. Аганов, М.Н. Павельев
Журнал: Известия Самарского научного центра Российской академии наук @izvestiya-ssc
Рубрика: Информатика, вычислительная техника и управление
Статья в выпуске: 2 т.27, 2025 года.
Бесплатный доступ
В статье предложена система, представляющая комплекс алгоритмов для детектирования границ ячеек перинейрональных сетей на различных слоях микроскопических снимков, представления ячейки в трехмерной структуре, трехмерной визуализации ячейки перинейрональных сетей. В качестве исходных данных использованы слои-изображения конфокальных стеков головного мозга мышей. В процессе работы проведено исследование применимости нейронных сетей для решения задачи выделения масок внутренней структуры ячеек перинейрональных сетей. В данной статье представлен алгоритм выделения масок, основанный на решении задачи семантической сегментации посредством, популярной в биомедицине нейросети на архитектуре U-Net. Предложены архитектурные решения, позволяющие нивелировать проблему переобучения в условиях малого размера выборки. Предложено два алгоритма для исследования ячеек перинейрональных сетей по дискретным измерениям распределения сигнала окраски по толщине конфокального стека, а также алгоритм обнаружения самой ячейки в толще полученных слоев-изображений. Предложен алгоритм обработки полученных масок для создания трехмерного облака точек и метод последующей реконструкции ячейки альфа формами для трехмерной визуализации.
U-Net, альфа формы, анализ биомедицинских изображений, конфокальные стеки, микроскопические изображения, перинейрональные сети
Короткий адрес: https://sciup.org/148330771
IDR: 148330771 | УДК: 004.93 | DOI: 10.37313/1990-5378-2025-27-2-156-169
Machine vision system for recognition of three-dimensional structure of perineuronal networks
The article proposes a system representing a set of algorithms for detecting the boundaries of perineuronal network cells on different layers of microscopic images, representing a cell in a three-dimensional structure, and three-dimensional visualization of a perineuronal network cell. The initial data are layers of confocal stacks of the mouse brain. In the course of the work, the applicability of neural networks for solving the problem of extracting masks of the internal structure of perineural network cells was studied. This article presents an algorithm for extracting masks based on solving the problem of semantic segmentation using a neural network on the U-Net architecture, which is popular in biomedicine. Architectural solutions are proposed that allow mitigating the problem of overfi tting in conditions of a small sample size. Two algorithms are proposed for studying perineural network cells based on discrete measurements of the color signal distribution across the thickness of the confocal stack, as well as an algorithm for detecting the cell itself in the thickness of the obtained image layers. An algorithm for processing the obtained masks to create a three-dimensional point cloud and a method for subsequent reconstruction of the cell using alpha forms for three-dimensional visualization are proposed.
