Участник:Juliebernshtein

Материал из MachineLearning.

---

Версия 21:27, 21 августа 2015

МФТИ, ФУПМ

Кафедра "Интеллектуальные системы"

Направление "Интеллектуальный анализ данных"

juliebernshtein@gmail.com

Отчет о научно-исследовательской работе

Весна 2015, 6-й семестр

Методы определения характеристик коагуляции и фибринолиза по последовательности изображений фибринового сгустка в плазме крови in vitro

Предложен метод количественной оценки роста фибринового сгустка в процессе тромбодинамики. Задача решается путем сегментации последовательных изображений пространственных изменений в плазме крови в измерительной кювете с активатором и введенным тканевым активатором плазминогена. По последовательности снимков определяется положение границ активатора, пространственно-временное изменение переднего и заднего фронтов роста фибринового сгустка, временное изменение средней плотности сгустка, а следовательно, и его массы, а также время от начала процесса до присоединения спонтанных сгустков, образующихся в объеме плазмы крови. Для выделения сгустков на изображении используются алгоритм бинаризации с адаптивным порогом, математическая морфология и метод проекций. Предложенный метод сравнивается с используемым на данный момент. Сравнение проведено для случаев с образцами плазмы доноров и пациентов.

Литература

Mr. Sanjit Nandy Sushovan Mandal Brain tumor detection using mathematical morphology and density

 approximation approach. // International Journal of Computer Applications. — 2013.

M.V. Wyawahare Nathanael .E. Jacob. Survey of bone fracture detection techniques. // International Journal of Computer Applications. - 2013.

Balandina A.N., Fadeeva O.A., Kretchetova A.V., Galstian G.M., Panteleev M.A., Ataullakhanov F.I., Soshitova~N.P., Karamzin S.S. Predicting prothrombotic tendencies in sepsis using spatial clot growth dynamics. // Blood Coagul & Fibrinolysis. - 2012.