Участник:Juliebernshtein

Материал из MachineLearning.

Перейти к: навигация, поиск

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.

Публикация

Бернштейн Ю.Д., Матвеев И.А Методы определения характеристик коагуляции и фибринолиза по последовательности изображений фибринового сгустка в плазме крови in vitro // Машинное обучение и анализ данных. — 2015. — ISSN 2223-3792. (подана в журнал)


Осень 2015, 7-й семестр


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

Решается задача количественного определения характеристик фибринового сгустка в методе тромбодинамики. Исходными данными являются последовательности цифровых снимков кюветы, наполненной плазмой крови, в которой происходит рост сгустка, сделанных через равные интервалы времени. Определяются размеры, плотность и скорости роста и рассасывания фибринового сгустка. Для выделения сгустков на изображении используются алгоритм бинаризации, математическая морфология и метод проекций. Совокупность измеряемых параметров и их временная динамика могут быть использованы в целях медицинской диагностики потенциалов фибринолиза и коагуляции.

Публикация

Бернштейн Ю.Д., Матвеев И.А., Брусов О.С. Методы определения характеристик коагуляции и фибринолиза по последовательности изображений фибринового сгустка в плазме крови in vitro // Машинное обучение и анализ данных. — 2016. — ISSN 2223-3792. (подана в журнал)


Весна 2016, 8-й семестр


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

Решается задача количественного определения характеристик фибринового сгустка в методе тромбодинамики. Исходными данными являются последовательности цифровых снимков кюветы в регистраторе тромбодинамики, наполненной плазмой крови, в которой происходит рост и рассасывание сгустка фибрина от вставки-активатора, сделанных через равные интервалы времени. Определяются границы активатора, скорости роста и рассасывания фибринового сгустка, изменение его размеров и плотности во времени, а также момент отрыва сгустка от активатора. Для выделения сгустков на изображении применяются бинаризация, математическая морфология и метод проекций. Совокупность измеряемых параметров и их временная динамика могут быть использованы в целях медицинской диагностики потенциалов фибринолиза и коагуляции.

Публикация

Бернштейн Ю.Д., Матвеев И.А., Брусов О.С. Методы определения характеристик коагуляции и фибринолиза по последовательности изображений фибринового сгустка в плазме крови in vitro // Машинное обучение и анализ данных. — 2016. — ISSN 2223-3792. (опубликована в журнале)



Осень 2016, 9-й семестр

Разработка алгоритма разметки базы данных в задаче определения характеристик коагуляции и фибринолиза по последовательности изображений фибринового сгустка в плазме крови in vitro. Разработка алгоритма классификации пациентов.

Личные инструменты