The study of the effectiveness of classification of images of bone marrow cells in computer systems for diagnostics of acute leukemia and minimal residual disease

Abstract

Статья посвящена оценке модели классификации изображений клеток костного мозга при диагностике острого лейкоза и минимальной остаточной болезни с применением нейронной сети. В эксперименте использовалась выборка из 13 типов клеток: базофилы, лимфоциты, моноциты, палочкоядерные нейтрофилы, сегментоядерные нейтрофилы, эозинофилы, лимфобласты, миелобласты, пролимфоциты, промиелоциты, нормоциты, метамиелоциты, миелоциты. Изображения клеток костного мозга получены с препаратов Лаборатории иммунологии гемопоэза Национального медицинского исследовательского центра онкологии им. Н.Н. Блохина. Описание клеток выполнялось двадцатью шестью признаками. Представлены модели используемых признаков – средних значений цветовых компонент H, S цветовой модели НSB (H - цветовой тон, S – насыщенность, B – яркость), морфологических характеристик – площади, коэффициента формы, диаметра, отношение максимального расстояния от центра масс до края объекта к минимальному); текстурные характеристики области изображения, ограниченной контуром клетки, для матрицы пространственной смежности - энергия, момент инерции, энтропия, локальная однородность, максимальная вероятность по цветовым компонентам R, G, B и значению яркости. Проведены экспериментальные испытания рассматриваемого классификатора. Экспериментальная выборка содержала 636 клеток тринадцати разных типов. Установлено, что применение модели нейронной сети при выбранной системе признаков обеспечивает 90% точность классификации исследуемых типов клеток. Полученные результаты носят предварительный характер. Для повышения достоверности оценок в дальнейших исследованиях требуется увеличение обучающей выборки с учетом типов клеток и вариабельности изображений клеток. The article is devoted to evaluating the model of classification of images of bone marrow cells in the diagnosis of acute leukemia and minimal residual disease using a neural network. The experiment used a sample of 13 cell types: basophils, lymphocytes, monocytes, rod-shaped neutrophils, segmentonuclear neutrophils, eosinophils, lymphoblasts, myeloblasts, prolymphocytes, promyelocytes, normocytes, metamyelocytes, myelocytes. Images of bone marrow cells were obtained from preparations of the Laboratory of hematopoietic immunology of the N. N. Blokhin National medical research center of oncology. The description of cells was performed by twenty-six signs. Models of the used features are presented – the average values of the color components H, S of the color model HSB (H - color tone, S-saturation, B-brightness), morphological characteristics - area, shape coefficient, diameter, the ratio of the maximum distance from the center of mass to the edge of the object to the minimum; textural characteristics of the image area bounded by the cell contour for the spatial adjacency matrix - energy, moment of inertia, entropy, local uniformity, maximum probability for the color components R, G, B, and brightness value. Experimental tests of the classifier under consideration were carried out. The experimental sample contained 636 cells of thirteen different types. It was found that the use of the neural network model for the selected feature system provides 90% accuracy of classification of the studied cell types. The results obtained are of a preliminary nature. An increase in the training sample is required to increase the reliability of estimates in further studies, taking into account the cell types and variability of cell images.