ОПТИМІЗАЦІЯ ПРОЦЕСУ АНОТАЦІЇ ЗОБРАЖЕНЬ БІОЛОГІЧНИХ ОБ’ЄКТІВ МЕТОДАМИ КОМП’ЮТЕРНОГО ЗОРУ
У цьому дослідженні представлено підхід до автоматизованого формування анотованого набору даних, що містить зображення біологічних об’єктів, зокрема клітин. Запропонована методика базується на модифікованій структурі CRISP-DM, що адаптована до специфіки завдань комп’ютерного зору. Було розроблено по...
Saved in:
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
National Technical University Kharkiv Polytechnic Institute
2025-07-01
|
| Series: | Вісник Національного технічного університету "ХПÌ": Системний аналіз, управління та інформаційні технології |
| Subjects: | |
| Online Access: | http://samit.khpi.edu.ua/article/view/334988 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1849429018036666368 |
|---|---|
| author | Anton Kovalenko |
| author_facet | Anton Kovalenko |
| author_sort | Anton Kovalenko |
| collection | DOAJ |
| description | У цьому дослідженні представлено підхід до автоматизованого формування анотованого набору даних, що містить зображення біологічних об’єктів, зокрема клітин. Запропонована методика базується на модифікованій структурі CRISP-DM, що адаптована до специфіки завдань комп’ютерного зору. Було розроблено послідовність етапів і кроків, спрямованих на ефективне виявлення та локалізацію об’єктів біологічного походження на мікроскопічних зображеннях. Процес охоплює попередню обробку зображень, яка включає бінаризацію, фільтрацію, корекцію яскравості та контрастності, а також усунення дефектів освітлення. Такі операції дають змогу покращити якість вхідних зображень і підвищити точність наступних етапів виявлення. Виявлені об’єкти автоматично локалізуються на основі морфологічного аналізу, після чого відбувається їх кластеризація за допомогою алгоритму k-середніх. Для групування враховуються такі ознаки, як розмір об’єкта та середнє значення кольору. Це дозволяє диференціювати різні типи клітин або структур за візуальними характеристиками. На основі локалізованих об’єктів автоматично формуються обмежувальні рамки, які зберігаються у вигляді координат у структурованому табличному форматі (.csv). Отриманий набір даних може використовуватись для навчання або тестування моделей глибокого навчання, зокрема тих, що вирішують задачі локалізації, класифікації або сегментації об’єктів на зображеннях. Запропонований підхід було апробовано на зображеннях мазків крові, що містять різні типи клітин. Усі обчислення виконано з використанням Python та таких бібліотек, як Pandas, NumPy, OpenCV і Matplotlib. Проведений аналіз точності виявлення та класифікації продемонстрував задовільні результати, що підтверджує доцільність використання розробленого конвеєра для створення анотованих наборів біологічних зображень. |
| format | Article |
| id | doaj-art-ace6c64064f347bcb4726068ccf10167 |
| institution | Kabale University |
| issn | 2079-0023 2410-2857 |
| language | English |
| publishDate | 2025-07-01 |
| publisher | National Technical University Kharkiv Polytechnic Institute |
| record_format | Article |
| series | Вісник Національного технічного університету "ХПÌ": Системний аналіз, управління та інформаційні технології |
| spelling | doaj-art-ace6c64064f347bcb4726068ccf101672025-08-20T03:28:29ZengNational Technical University Kharkiv Polytechnic InstituteВісник Національного технічного університету "ХПÌ": Системний аналіз, управління та інформаційні технології2079-00232410-28572025-07-011 (13)778210.20998/2079-0023.2025.01.11373806ОПТИМІЗАЦІЯ ПРОЦЕСУ АНОТАЦІЇ ЗОБРАЖЕНЬ БІОЛОГІЧНИХ ОБ’ЄКТІВ МЕТОДАМИ КОМП’ЮТЕРНОГО ЗОРУAnton Kovalenko0https://orcid.org/0009-0009-0336-871XНаціональний технічний університет «Харківський політехнічний інститут»У цьому дослідженні представлено підхід до автоматизованого формування анотованого набору даних, що містить зображення біологічних об’єктів, зокрема клітин. Запропонована методика базується на модифікованій структурі CRISP-DM, що адаптована до специфіки завдань комп’ютерного зору. Було розроблено послідовність етапів і кроків, спрямованих на ефективне виявлення та локалізацію об’єктів біологічного походження на мікроскопічних зображеннях. Процес охоплює попередню обробку зображень, яка включає бінаризацію, фільтрацію, корекцію яскравості та контрастності, а також усунення дефектів освітлення. Такі операції дають змогу покращити якість вхідних зображень і підвищити точність наступних етапів виявлення. Виявлені об’єкти автоматично локалізуються на основі морфологічного аналізу, після чого відбувається їх кластеризація за допомогою алгоритму k-середніх. Для групування враховуються такі ознаки, як розмір об’єкта та середнє значення кольору. Це дозволяє диференціювати різні типи клітин або структур за візуальними характеристиками. На основі локалізованих об’єктів автоматично формуються обмежувальні рамки, які зберігаються у вигляді координат у структурованому табличному форматі (.csv). Отриманий набір даних може використовуватись для навчання або тестування моделей глибокого навчання, зокрема тих, що вирішують задачі локалізації, класифікації або сегментації об’єктів на зображеннях. Запропонований підхід було апробовано на зображеннях мазків крові, що містять різні типи клітин. Усі обчислення виконано з використанням Python та таких бібліотек, як Pandas, NumPy, OpenCV і Matplotlib. Проведений аналіз точності виявлення та класифікації продемонстрував задовільні результати, що підтверджує доцільність використання розробленого конвеєра для створення анотованих наборів біологічних зображень.http://samit.khpi.edu.ua/article/view/334988комп’ютерний зіроптимізаціявизначення країввиділення контурівсегментація об’єктівмашинне навчаннякласифікація клітин крові |
| spellingShingle | Anton Kovalenko ОПТИМІЗАЦІЯ ПРОЦЕСУ АНОТАЦІЇ ЗОБРАЖЕНЬ БІОЛОГІЧНИХ ОБ’ЄКТІВ МЕТОДАМИ КОМП’ЮТЕРНОГО ЗОРУ Вісник Національного технічного університету "ХПÌ": Системний аналіз, управління та інформаційні технології комп’ютерний зір оптимізація визначення країв виділення контурів сегментація об’єктів машинне навчання класифікація клітин крові |
| title | ОПТИМІЗАЦІЯ ПРОЦЕСУ АНОТАЦІЇ ЗОБРАЖЕНЬ БІОЛОГІЧНИХ ОБ’ЄКТІВ МЕТОДАМИ КОМП’ЮТЕРНОГО ЗОРУ |
| title_full | ОПТИМІЗАЦІЯ ПРОЦЕСУ АНОТАЦІЇ ЗОБРАЖЕНЬ БІОЛОГІЧНИХ ОБ’ЄКТІВ МЕТОДАМИ КОМП’ЮТЕРНОГО ЗОРУ |
| title_fullStr | ОПТИМІЗАЦІЯ ПРОЦЕСУ АНОТАЦІЇ ЗОБРАЖЕНЬ БІОЛОГІЧНИХ ОБ’ЄКТІВ МЕТОДАМИ КОМП’ЮТЕРНОГО ЗОРУ |
| title_full_unstemmed | ОПТИМІЗАЦІЯ ПРОЦЕСУ АНОТАЦІЇ ЗОБРАЖЕНЬ БІОЛОГІЧНИХ ОБ’ЄКТІВ МЕТОДАМИ КОМП’ЮТЕРНОГО ЗОРУ |
| title_short | ОПТИМІЗАЦІЯ ПРОЦЕСУ АНОТАЦІЇ ЗОБРАЖЕНЬ БІОЛОГІЧНИХ ОБ’ЄКТІВ МЕТОДАМИ КОМП’ЮТЕРНОГО ЗОРУ |
| title_sort | оптимізація процесу анотації зображень біологічних об єктів методами комп ютерного зору |
| topic | комп’ютерний зір оптимізація визначення країв виділення контурів сегментація об’єктів машинне навчання класифікація клітин крові |
| url | http://samit.khpi.edu.ua/article/view/334988 |
| work_keys_str_mv | AT antonkovalenko optimízacíâprocesuanotacíízobraženʹbíologíčnihobêktívmetodamikompûternogozoru |