Программу Мекос Для Морфометрии

Posted on admin

Список сокращений. Анализ современных методик медицинского микроскопического анализа биоматериалов.

Объекты анализа. Сравнительный анализ функциональных возможностей анализаторов различных типов. 1.3 Состояние отрасли. Задачи автоматизации группы методик микроскопического анализа биоматериалов. Интерфейсы задач автоматизации медико-биологических методик микроскопии биоматериалов. Декомпозиции группы известных задач автоматизации. Критерии актуальности автоматизации.

Комплектации оборудования и системное программное обеспечение (платформа) модульного KAM МЕКОС-Ц2 Медовый, 2007-1. Требования к оборудованию и характеристики современных аппаратных комплектующих. Системная платоформа KAM МЕКОС-Ц2.

Испытательная база разработки и аттестации KAM. Структура ФПО KAM МЕКОС-Ц2 и поэтапная схема испытаний.

  1. Поэтому целью данной работы явилась автоматизация морфометрии.
  2. Специализированная программа. Компьютерные программы Программы для морфометрии.

Находил в инете демо-версию программы. Но геометрическая морфометрия нужна.

Проблема базы медицинских данных для разработки и испытаний. Влияние технологии испытаний на структуру KAM. Выбор структуры ФПО KAM МЕКОС-Ц2. Технология испытаний МЕКОС-Ц2. Структура и алгоритмы функционального программного обеспечения KAM МЕКОС-Ц2.

Системы съемки и информатизации. Системы навигации и сбора выборки. Система сортировки. Автоматическая сегментация границ клеток крови.

Метод слияния контуров. «Глобально-локальный» метод минимизации функции эмпирического риска в классе кусочно-линейных решающих правил. Результаты экспериментов с программами сегментации изображений клеток крови 5.3.2. Функции измерения для сортировки. Система измерений. Система диагностики. Система контроля качества.

Результаты испытаний KAM МЕКОС-Ц2. Материалы и методы. Результаты испытаний методик анализа лейкоцитов.

Испытания анализа эритроцитов. Результаты испытаний методик анализа ретикулоцитов. Актуальность проблемы Одним из основных современных методов диагностики при лечении множества заболеваний является анализ изображений клеток и тканей с помощью микроскопа. На протяжении более чем 200-летней истории и до настоящего времени микроскопическая диагностика биоматериалов выполняется главным образом вручную с визуальной качественной или полуколичественной оценкой объектов диагностики. Такая диагностика требует высокой квалификации врача, часто изнурительна по трудоемкости, связана с высоким напряжением и психологическим дискомфортом. Проведенные многочисленные исследования точности ручных микроскопических анализов показывают, что из-за высокой вариабельности клеток и тканей, сложности морфологии, нечеткости критериев визуальной классификации, субъективности восприятия, недостатка квалифицированных врачей и других факторов визуальная микроскопия в среднем реально способна обеспечить точность диагностики, существенно более низкую, чем потенциально достижимую при объективном использовании всей информации метода. За последние сорок лет предприняты многочисленные попытки автоматизировать микроскопию биоматериалов с целью получения приемлемой трудоемкости и точности анализа.

Накопленный опыт показал, что задача разработки комплексов автоматизированной микроскопии (KAM) требует решения большого числа разнообразных математических, программных, аппаратных, методических проблем. Несколько упрощая картину, можно следующим образом охарактеризовать задачи медицинского микроскопического анализа биоматериала: - разнообразие концентраций объектов анализа, от 100 до 1/10000 в поле зрения; - возможна сложная форма области поиска объектов в препарате; -до 100 типов подлежащих распознаванию объектов в препарате, определенных в нечетких качественных терминах; - высокая вариабельность размеров, формы, цвета, плотности объектов; - возможны нечеткие, тонкие, прерывистые контура объектов; - возможно наличие помех - сходных мешающих объектов. В настоящее время применяется главным образом ручная микроскопия. Исследованы характеристики объектов микроскопического анализа биоматериалов с точки зрения возможностей зрительного анализатора врача и современных возможностей технического анализа изображений. Выявлены возможности и ограничения ручных (визуальных) методик и соответствующих автоматизированных методик анализа сложных изменчивых образов, идентифицируемых в качественных терминах.

Сделан вывод о том, что доминирующие до настоящего времени ручные научно-исследовательские и медицинские методики являются основным тормозом развития отрасли из-за проблем сбора представительных выборок препаратов и, как следствие, отсутствия базы для перехода к количественным идентификациям цитологических объектов. Исследованы постановки задач автоматизации микроскопических исследований биоматериалов. Выявлены основные типы задач и соответствующие функциональные модули комплексов автоматизированной микроскопии (8 систем: съемки, информатизации, навигации, обнаружения и сбора выборки, измерения, сортировки, медицинской диагностики, контроля качества), комбинации которых покрывают множество известных методик анализа.

Определена необходимость применения всех 8 указанных систем комплексов автоматизированной микроскопии для реализации различных высокоспециализированных методик KAM роботизирующего уровня. В связи с этим сделан вывод о целесообразности разработки многофункционального семейства KAM (KAM МЕКОС-Ц2). Исследованы характеристики представленных на рынке аппаратных комплектующих KAM (микроскопы, видеокамеры, электромеханическое оборудование перемещения и фокусировки препарата, компьютеры). Выявлены возможности применения семейств комплектаций, обеспечивающих разнообразие медико-технических характеристик KAM модульной структуры. Выявлено, что современный уровень развития оборудования создает возможность перенести разработку KAM главным образом в область разработки программного обеспечения. Выявлена целесообразность разработки программной системной платформы для работы с множеством комплектаций оборудования KAM, для создания среды для функциональных программ-методик и для реализации информационного уровня автоматизации методик. Исследованы стандарты испытаний KAM роботизирующего уровня.

Выявлено, что существующие стандарты ориентированы на традиционные референтные методики, принципиально несовместимые с современными информационными технологиями. Исследована и разработана схема последовательных испытаний 8 функциональных систем KAM МЕКОС-Ц2 с применением формируемых методами KAM виртуальных (цифровых) аналогов физических препаратов биоматериалов. При этом в случае положительной аттестации выходная база испытаний предыдущих систем может быть использована в качестве входной базы испытаний следующих систем.

Показана возможность применения информационных технологий, в том числе средств удаленного доступа, для сбора представительных обучающих и экзаменационных выборок виртуальных препаратов для разработки и испытаний ПО KAM. Показано, что схема испытаний МЕКОС-Ц2 имеет преимущества над известными схемами по представительности базы испытаний, по их стоимости и реализуемости, что позволяет рекомендовать ее в качестве прототипа нового стандарта испытаний KAM и других систем, для которых заданы качественные идентификации объектов анализа. Показана перспективность применения виртуальных препаратов для разработки количественных диагностических решающих правил. Определено революционное значение предстоящего массового применения KAM, формирующих виртуальные препараты, в исследовании принципиально новых типов анализов и диагностик на базе измерений меток, клеток и тканей, то есть в переходе от описательных к количественным идентификациям цитологических объектов. Рассмотрены функциональные системы ПО МЕКОС-Ц2. Определено, что создание сложных программных комплексов, таких как ПО KAM роботизирующего уровня, требует применения значительного числа покупных программных комплектующих в сочетании с собственными оригинальными алгоритмами. В связи с этим центр тяжести разработки переносится на настройку (обучение) параметров программ (алгоритмов), что в свою очередь увеличивает роль средств создания и обслуживания баз обучающих и экзаменационных выборок идентифицированных объектов анализа (виртуальных препаратов).

Подробно рассмотрены алгоритмы сегментации границ изображений клеток крови в методике клинического анализа мазка крови. В результате экспериментов с рядом алгоритмов выбрана схема 'seeded region growing' с применением нелинейной фильтрации в качестве предобработки, метода watershed для формирования зерен и оригинального алгоритма « слияния контуров» для формирования границ ядер и цитоплазм клеток. В методе слияния контуров используется модель цитологического объекта и технология выбора параметров с применением методов минимизации функции эмпирического риска в классе кусочно-линейных решающих правил. Рассматривается оригинальная вычислительная схема решения системы соответствующих линейных неравенств с применением элементов целочисленного программирования. Проведены медицинские испытания KAM МЕКОС-Ц2 по стандартной схеме испытаний с дополнительными этапами, соответствующими структуре и схеме испытаний МЕКОС-Ц2, на базе 3-х медицинских учреждений Москвы. Результаты испытаний показали, что KAM МЕКОС-Ц2 в составе модульного покупного оборудования и оригинального программного обеспечения выполняет автоматический сбор выборки клеток мазков крови для анализа с качеством, не уступающим качеству выполнения соответствующего анализа опытным врачом при ручной микроскопии при значительном росте производительности труда врача и новом уровне контроля качества и информатизации. Практические рекомендации 1.

Предложенные технологии разработки KAM МЕКОС-Ц2 являются методически достаточно общими и могут применяться для разработки других медицинских, научно-исследовательских и технических систем автоматического анализа изображений, связанных со сложным сбором выборки и сортировкой объектов анализа (контроль качества в формацевтике и пищевой промышленности, применение других типов микроскопии и др.). Целесообразно провести аналогичные разработки с группой перспективных медицинских методик анализа биоматериалов, таких как паразитогический анализ, анализ спермы и др.

Для увеличения конкурентоспособности разработанных методик необходимы дальнейшие исследования по увеличению скорости анализа, поиск новых алгоритмических решений прежде всего для ускорения просмотра препарата (просмотра изображений весьма большого объема) и сбора выборки. Целесообразно объединение усилий разрозненных групп разработчиков KAM на общих стандартов, интерфейсов, алгоритмических решений. В качестве такой базы может использоваться системная платформа МЕКОС=Ц2ос. Abercrombie E.W. Automation in cytology // Anal. Bischof, 'Seeded Region Growing', IEEE Trans, on Pattern Analysis and Machine Intelligence, vol 16, no.

641-647, June 1994 3. Albertini Maria C., Laura Teodori, Elena Piatti, Maria P. Piacentini, Augusto Accorsi, Marco B. Rocchi Automated analysis of morphometric parameters for accurate definition of erythrocyte cell shape Cytometry Part A 52A:12-18, 2003. Automated differential counters: Part 2. Lark Classifire, Hematrak // Lab World. 22, 25, 28, 47, 48.

Angulo J, Flandrin G. Automated detection of working area of peripheral blood smears using mathematical morphology. Anal Cell Pathol. Applied Imaging Co.: www.aii.co.uk 7. Applied Scientific Instrumentation, www.asiimaging.com 8.

Applied Spectral imaging, www.asi.com 9. Astafeva N M, 'Wavelet analysis: basic theory and some applications', PHYS-USP, 1996, 39(11), 1085-1108. Auer G, Steinbeck R, Zetterberg A, Molecular markers in diagnostic pathology // Histometry Compendium on the Computerized Cytology and Histology Laboratory. Tutorials of Cytology, Chicago, USA, 1994, p. (1977) The development of automated differential systems. In: Differential Leukocyte Counting (ed. J.A.Koepke), College of American Pathologist, Aspen, 95-117.

Leukocite Recognition. IEEE Trans, on SMC2,No.4,1972.

Bacus J.W; Cell Analysis Systems, Inc., Elmhurst, 111. 10.10.90; опубл. Method and apparatus for automated analysis of biological specimens: Пат. CILIA 5,235,522: МКИ G 06 К 9/00, G 06 F 15/00; НКИ 364/497 14. Bacus S, Chin D.

Et al, Application of image analysis in the evaluation of cellular prognostic factors in breast cancer // Compendium on the Computerized Cytology and Histology Laboratory. Tutorials of Cytology, Chicago, USA, 1994, p.

Medical significance of labaratory results // Amer. Barrow H.G, Popplestone R.J, Relational descriptions in picture processing // Machine Intelligence 6 / ed. By Meltzer B, Michie D.

Программа Для Установки Драйверов

Edinburg: Edinburg University Press. Bartels P.H, Thomson D. Compendium on the Computerized Cytology and Histology Laboratory. Tutorials of Cytology, Chicago, USA, 1994, p.

Videophotometry: Sources of errors // Manual of Quant. Pathology in Cancer Diagnisis and Prognosis / ed. By Baak J.P.A. New York: Springer-Verlag. Bas B.M., Catsberg M.J., Kamp L.K. A short evaluation of a new hematological analyser: the Cobas Argos 5 Diff.

Biochem.- 1993.- V.31.- P. Beckman Coulter Inc., Coulter LH700 Series System. PN 4277248C (October 2003), Fullerton, CA, 92835. Bedini L., Tonazzini A. Image restoration preserving discontinuités: the Bayessian approach and neural networks.

Image and Vision Computting, 1992,10, p. Bentley S.A, Johnson A, Bishop C.A. A parallel evaluation of four automated hematology analyzers // Amer. An evaluation of the Cobas Helios analyser. Pathol.-1994.- V.

Bibbo M, Minimo C, Xiao J, Christen R, A workstation for objective grading of tumors // Compendium on the Computerized Cytology and Histology Laboratory. Tutorials of Cytology, Chicago, USA, 1994, p. Bocking A, Striepecke E, Auer H, Fuzesi L, Static DNA cytometry: Biological background, technique, and diagnostic interpretation // Compendium on the Computerized Cytology and Histology Laboratory. Tutorials of Cytology, Chicago, USA, 1994, p. Bol MG, Baak JP, Diermen B, Janssen EA, Buhr-Wildhagen SB, Kjellevold KH. Correlation of grade of urothelial cell carcinomas and DNA histogram features assessed by flow cytometry and automated image cytometry.

Красная плесень скачать все альбомы. Рашин гёрлз (первая версия)(бонус) 21. Пришла с работы жена (1-я версия)(бонус) 20.

Anal Cell Pathol. Commercial image analysers and the characterization of microscopical images//J. Brugal G., Interpretation of Priliferation Markers.

Compendium on the Computerized Cytology and Histology Laboratory. Tutorials of Cytology. Bull B, Korpman R.A. The logistics of the leukocyte differential count (implications for automation) // Aspen Conference on WBC Differential Counts / ed. Et al.- 1979.-P. The use of patient values, calibrator, and control material in the laboratory // Advances in Hematological Methods: The Blood Count / ed.

By Assendelft O.W, England J.M. Boca Raton: CRC Press. Bunton Instrument company, www.buntgrp.com 32.

Cell Image Retrieval and Evaluation System / SIRES User's Manual. Release 2.0 August 1993.

Cellavision, www.cellavision.com 34. Chamgoulov R, Lane P, MacAulay C. Optical computed-tomographic microscope for three-dimensional quantitative histology. 2004;26(5-6):319-27 35. Clarient, www.clarientinc.com 36. Cohen L.D., Cohen I.

Finite-Element Methods for Active Contour Models and Balloons for 2-D and 3-D Images // IEEE Trans. Pattern Anal. Intel., 1993. Roche Image Analysis System // Compendium on the Computerized Cytology and Histology / ed.

Wied G.L, Bartels P.H, Rosenthal D.L, Schenck U. High speed automatic blood cell counter and cell size analyser. Conf.- 1956,- V.12.- P. Crocker J, Macartny J, Smith P, Correlation between DNA flow cytometric and nucleolar organizer regions data in non-Hodkin's lymphomas // J. Cunnigham MT, iMoreland D, Meyer R, Elbert G, Dick FR, Olson JD. Effect of normalization on the intermethod variability of reticulocyte counting. Haematol 1996; 2:94-98.

Dacie J.V., Lewis S.M. Practical Haematology, 7 ed. Dalsa, www.dalsa.com 42. The clinical detection in variations in the concentrations of normal leucocyte types // Blood Cells. Davis B.H., Lafferty J.

The Automated Reticulocyte Count: is it a Better Test? Balancing Accuracy, Precision and Clinical Need. LPTP Newsletter, No.286, 2000. DeltaPix, www.deltapix.com53. DiaSys, www.DiaSys.com 45. Duncan K.L, Gottfried E.L. Utility of the three part leukocyte differential count // Amer.

Elion-Gerritzen W.E. Analytic precision and medical decision//Amer. England J.M, Bain B.J.

Total and differential leucocyte count // Brit. Relevance of analytical and biological variations to quality and interpretation of test rezults: examples of application to haematology. Sanita, vol 31, n 1 (1995), pp 9-13. Galera-Ruiz H. Value of Ploidy Pattern and Nuclear Texture in tne Diagnosis of Primery Hyperparathyroidism.

AQCH.vol 18, N1, 1996, p35-42. Gerger A, Bergthaler P, Smolle J. An automated method for the quantification and fractal analysis of immunostaining. 2004;26(3): 125-34.

Gimenez-Mas J. AgNOR evaluation by image processing methods: Staining modifications and rezults in 126 invasive ductal breast carcinomas // Anal. GlobalMedia, wvAv.globalmedia.com 53. Grace J., Stankovic R., Gupta L. Detection of Aneuploidy and Polyploidy in Non-Hodgkin's Lymphoma by Computer Video Image Analysis. AQCH, vol 15, N 4, p 265, 1993. Graham M.D, Norgren P.E.

The diff 3 analyser: A parallel serial image processor // RealTime Medical Image Processing / ed. By Onoe M, Preston K, Rosenfeld A.

NY: Plenum Press. Graham M.D.The diff 4: A second generation slide analyser // Computing Structures for Image Processing / ed. By Duff M.J.B. London: Academic Press. A practical application of computer pattern recognition research: The Abbott ADC-500 differential classifire // J. Hamamatsu, www.hamamatsu.com 58.

Hillman R.S., Finch C.A. Erythropoiesis: normal and abnormal. 1967,4, p.327. Hitachi, www.hitachi-denshi-uk.com 60. Hoppin JW, KupinskiA, KastisA, ClarksonE, HarrisonHB.

Objective comparison of quantitative imaging modalities without the use of a gold standard. IEEE Trans Med Imaging 21,N5,2002, p.441. Hruska A, Bollmann R, Kovacs RB, Bollmann M, Bodo M, Sapi Z. DNA ploidy and chromosome (FISH) pattern analysis of peripheral nerve sheath tumors. I&M Series: Basics of light microscopy and imaging. Digital resolution, part 1.

Imaging&Microscopy No 4 2003, pp59-62 63. Improvision, www.improvision.com 64.

Самое подробное (776 страниц) издание по ремонту, эксплуатации и техническому обслуживанию автомобиля Volkswagen Tiguan с 2011 года выпуска с бензиновыми и дизельными моторами: 1.4, 2.0, 2.0D л. Руководство по ремонту и эксплуатации автомобиля Volkswagen Golf 7 (включая спортивные комплектации) с 2012 года выпуска с бензиновыми и дизельными моторами: 1.2, 1.4, 2.0, 1.6D, 2.0D. Руководство по ремонту wv passat 2007 года.

IRIS, www.irisdiagnostics.com 65. Morphological Multiscale Gradient Watershed Image Analysis. 9th SCIA Scandinavian Conference on Image Analysis. 6-7 June 1995, p.

87-94, Uppsala, Sweden. Jakic-Razumovic J., Petrovecki M., Dominis M. AG-NORs Predictive Value of Prognosis in Non-Hodgkin's Lymphoma According to the Kiel Classification. Modern Pathology, vol 8,No2,p 143,1995. Jiang K., Liao Q., Dai S. A novel white blood cell segmentation scheme using scale-space filtering and watershed clustering.

Of the Second Intern. On Machine Learning and Cybernetics. Xi'an, November 2003, 2-5.81. JVC, www.jvc.com 68. Kai Yu, Liang Ji. Karyotyping of comparative genomic hybridization human metaphases using kernel nearest-neighbor algorithm.

Cytometry 48:202-208, 2002. Kalir T., Chan K.S., Liu Z., Strauchen J., Gil J. Semi-automatic Quantitation of Nucleolar Organizer Regions in Non-Hodgkin's Lymphomas. 190,124-128 (1994). Kamentsky L.A. CompuCyte Corporation: Pathfinder System: Computerazing The Microscope to Improve Cytology Quality Assurance // Acta Cytol. Karl Zeiss Co.: www.zeiss.com 72.

Kass M., A.Witkin, and D.Terzopoulos, 'Snakes: Active contour models' Int. Computer Vision vol.1 pp.321-331,1998. Kim NT, Elie N, Plancoulaine B, Herlin P, Coster M. An original approach for quantification of blood vessels on the whole tumour section. Anal Cell Pathol.

Knesel E.A, Roche image analysis systems, Inc // Acta Cytologica. Korpman R.A, Bull B. Whither the WBC differential?

Some alternatives // Blood Cells. Application of a Neural Net-Based Automated Microscopic System to Nongynecologic Cytologic Samples. AQCH, vol 18, N1,1996, p74. Kozinetz G., Medovy V., Pyatnitsky A., Sokolinsky B., Gusev A., Pogorelov V.

MECOS-C: return to image analysis in microscope examination of blood smears. SPIE 'Optical Diagnostic of Living Cell'. The automated white blood cell differential. A current perspective. 1994 Aug; 8(4) 605-16.

Analysis of red cell and platelet morphology using an imaging-combined flow cytometer. Clin Lab Haematol. 2003 Apr; 25(2):71-6. Lamchiagdhase P., Pattanapanyasat K., Muangsup W. Reticulocyte Counting in Thalassemia Using Different Automated Technologies.

Laboratory Hematology, 2000, 6, p.73-78. Leica, www.leica-microsystems.com 83. Leyssen M.N.J. Verwilghen R.L, Koboyashi T, Tomoaki T. Microx, a new fully automated blood cell analyser // Abstracts of Sixth Meeting of the International Society of Haematology, European and African Division. Lezoray O., Cardot H., Cooperation of color pixel classification schemes and color watershed: a study for microscopic images. Image Processing, IEEE Transactions on.

Volume 11, Issue 7, July 2002, p. Lindblad Joakim, Carolina Wahlby, Ewert Bengtsson, Alia Zaltsman Image analysis for automatic segmentation of cytoplasms and classification of Racl activation Cytometry Part A 57A. Automation in cytopathology. Considerations in automated cytology // Compendium on the Computerized Cytology and Histology Laboratory. Tutorials of Cytology. Loukas Constantinos G., George D. Wilson, Borivoj Vojnovic, Alf Linney An image analysis-based approach for automated counting of cancer cell nuclei in tissue sections Cytometry Part A 55A:30-42, 2003 89.

Ludl Electronic products, www.ludl.com 90. Malladi R, Sethian J.A, Vemuri B.C. Shape modiling with front propagation: A level set approach // IEEE Trans. Pattern Anal. Mariuzzi G, Mariuzzi L, Mombello A, Santinelli A, Grading and prognosis of tumors // Compendium on the Computerized Cytology and Histology Laboratory.

Tutorials of Cytology, Chicago, USA, 1994, p. Surv., 1971, vol. MARZHAUSER, www.marzhauser.com 94. MarzhAuser, www.marzhauser.com,111. Matrox, www.matrox.com 95. McGoogan E, Reith A, Would monolayers provide more representative samples and improved preparations for cervical screening? // Acta Cytologica.

McKenzie S.B.,Gauger C.A. Analysis of reticulocyte counts using various methods. Clin Lab Sci., 1991 Jan-Feb; 4(1): 37-41. Media Cybernetics, www.mediacy.com 98. S., A.V.Ivanov, Vit.S.Medovy. Contextual clustering method in cytological image recognition.

IEEE IWIP, Moscow, July 1994, p 61. S., A.V.Ivanov, I.A.Ivanova, Vit.S.Medovy, N.V.Verdenskaya. Active contour model in cytological image recognition.

IS&T/SPIE Proc. 2421, (San-Joce, USA, Fenruary 1995). The LARC automatic white blood cell analyzer // Acta Cytol. Solution of Linear Inequalities. Comput., 1970, vol.

Miles C.P., Jagard D.L. The use of optical Fourier transforms to diagnose pleomorphism, size and chromatine clumping in nuclear models // Anal.1981.-Vol.3-N 2.-P. Design and clinical results of Hematrak an automated differential counter // IEEE Trans. Mohandas N., Kim Y.R., Tycko D.H., Orlik J., Wyatt J., Groner W. Accurate and independent measurement of volume and hemoglobin concentration of individual red cell by laser light scattering // Blood.

Motherby H, Pomjanski N, Kube M, Boros A, Heiden T, Tribukait B, Bocking A. Diagnostic DNA-flow- vs.image-cytometry in effusion cytology. Anal Cell Pathol. Motic, www.motic.com 106. National Committee for Clinical Laboratory Standards (1992). Reference Leukocyte Differential Count and Evaluation of Instrumental Methods: Approved Standards.

NCCLS H20-A Villanova, PA. National Committee for Clinical Laboratory Standards. Methods for Reticulocyte Counting (Flow Cytometry and Supravital Dyes); Approved Guideline/ Villanova, NCCLS document H44-A, 1997.126. Nicon, www.nikon.com 108. Nikolaladias and I. Region-Based Image Watermarking. On Image processing vol.10 No 11, November 2001, pp.

The cell sectioning model // Anal. Oberholzer M. Can the Ki-67 Index Automatically Be Determined by Tools of Digital Image Analysis?: Some problem Hordles in Quantitative Immunohistochemistry. AQCH, vol 18, N 1 1996, p87.130. Olympus, www.olympus.com 111. Palcic B, MacAulay C, Malignancy associated changes: Can they be emploid clinically? // Compendium on the Computerized Cytology and Histology Laboratory.

Tutorials of Cytology, Chicago, USA, 1994, p. Malik, Scale space and edge detection using anisotropic diffusion. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. Pong T.C, Shapiro L.G, Watson L.T, Haralick R.M, Experiments in segmentation using a facet model region grower, Comput.

Vision Graphics Image Process, - 1984. Poulin N, Frost A, Carraro A, Mommers E, Guillaud M, Van Diest PJ, Grizzle W, Beenken S. Risk biomarker assessment for breast cancer progression: replication precision of nuclear morphometry. Anal Cell Pathol.

Pressman N.J. Markovian analisis of cervical cell images // J. Prior Scientific, www.prior.com141. Pulnix, www.pulnix.com 117. Raatz, Bocking A, Hauptmann S. Prognostic impact of DNA-image-cytometry in neuroendocrine (carcinoid) tumours. Rabinovitch A., Combleet P.J.

Body fluid microscopy in US laboratories. 1994 vol 118 N1, pl3-17. Ray N., Acton S.T., Ley K.Tracking leukocytes in vivo with shape and size constrained active contours. IEEE Transactions on Medical Imaging, Volume: 21, Issue: 10, 12221235, Oct 2002 120. Reith A, Danielsen H, Assessment of DNA ploidy in tumor material: Preparation and measurement by image sytometry // Compendium on the Computerized Cytology and Histology Laboratory.

Tutorials of Cytology, Chicago, USA, 1994, p. Rodenacker K, Bengtsson E. A feature set for cytometry on digitized microscopic images. Anal Cell Pathol. Blood sample preparation for automated differential systems // Amer. Rosenthal D.L, Mango L.J, Application of nural networks for interactive diagnosis of anatomic pathology specimens // Compendium on the Computerized Cytology and Histology Laboratory.

Tutorials of Cytology, Chicago, USA, 1994, p. Automated examination of the peripheral blood smear // Automation and Quality Assurance in Haematology / ed. By Rowan R.M, England J.M. Blackwell Scientific Publications. Reference method, quality control and automation of reticulocyte count. Pure&Appl.Chem., 1991, v.63, №8, p.l 141-1145.

Ruberto S., Dempster A., Khan S., Jarra B. Segmentation of blood images using morphological operators.

Pattern Recognition, 2000. Proceedings 15 International Conference, Barselona, Spain, September 2000, p397-400, vol.3. Beucher and F. Meyer, 'The Morphological Approach to Segmentation: The Watershed Transformation', in: Mathematical Morphology in Image Processing, E.R.Doughertty (Ed.), Marcel Dekker, NY, 1993. Savage R, Skoog D, Rabinovitch A.

Analytical inaccuracy and imprecision in reticulocyte counting. A preliminary report from the College of American Pathology Reticulocyte Project.Blood Cells, 1985,11, 97-112.

Cell image morphology and hormone receptor analysis in brest carcinoma // Compendium on the Computerized Cytology and Histology. Tutorials of Cytology. Schoentag R.A, Pedersen J.T. Evaluation of an automated blood smear analyser // Amer. Semprex Corporation, www.semprex.com 132.

Examples of structuring functions and their uses // Image Analysis and Mathematical Morphology. New York: Springer Verlag. Shitong W, Min W.

Лиаз 525636

A new detection algorithm (NDA) based on fuzzy cellular neural networks for white blood cell detection. On information technology in biomedicine. Vol.10, No 1, 2006, pp5-10. Sigma-Aldrich, Reticulocyte stain package insert (Procedure No.R 4132) инструкция no применению окраски для выявления ретикулоцитов. Hematology 2-nd ed, Butterworth-Heinemann, 1997. SIRES: Cell Image Retrieval and Evaluation System / SIRES User's Manual.

Программа Для Драйверов

Release 2.0 August 1993. Sony, www.sony.com/videocameras 138. Strand J., Taxt T. Local frequency features for texture classification // Pattern Recognition. Comparison of the Abbot Cell Dyn 3000 SL and Coulter STKS hematology analyzers. 1994 May-Jun.

24(3) p 250-8. Sun XR, Wang J, Garner D, Palcic B Detection of cervical cancer and high grade neoplastic lesions by a combination of liquid-based sampling preparation and DNA measurements using automated image cytometry. 2005; 27(1):33-41. Cell classification method. US patent 4,129,854 Dec.

12,1978, MKH G 06 K 9/00, G 01 N33/16; HKH 340/146.3 142. Swartz R, West L, Boiko I, Malpica A, MacAulay C, Carraro A, Guillaud M, Cox D, Follen M.

Use of nuclear morphometry characteristics to distinguish between normal and abnormal cervical glandular histologies. Anal Cell Pathol. Tamura H., Mori S., Yamawaki T. Textural features corresponding to visual perception // IEEE Trans, on Syst. SMC-8, - P.460 - 473. Tatsumi N, Pierre R.V. Automated image processing.

Past, present and future of blood cell morphometry identification. Clinics in Laboratory Medicine 22, 299-315. Tenenbaum J.M, Barrow H.G. Experiments in interpretation-guided segmentation // Artif. Thirion J.-P, Gourdon A. Computing the differential characteristics of isointensivity surfaces // Comput. Vision Image Underst.

Tin Kam Ho; Hull, J.J.; Srihari, S.N. Decision combination in multiple classifier systems. IEEE Transactions on Pattern Analysis and Machine Intelligence. 1, 1994, p.66-75 149.

Tofra Incorporated, www.tofrainc.com 150. TopStar 01 44-09, 2001. Reticulocyte count with a Miller disk.

New operational instruction. Tuceryan M., Jain A.K.

Texture analysis // The Handbook of Pattern Recognition and Computer Vision / Chen C.H., Pan L.F., Wang P.S.P., eds. World Scientific Publishing Co. Tucker J.H., Dye R., Sprey J., Souter C., Gray E., Brugal G., Relocation accuracy on HOME computerized microscopes // J. N 1.- p.75-82. Turgeon M.L., Clinical Hematology Theories and Procedures. Unger K.W., Johnson D.Jr.

Red blood cell MCV: a potential indicator of alcohol usage in a working population // Am. Vincent L., Soille P. Watersheds in digital spaces: an efficient algorithm based on immersion simulations.

Vooijs G.P, Path F, The changing role of cytopathology // Compendium on the Computerized Cytology and Histology Laboratory. Tutorials of Cytology, Chicago, USA, 1994, p. Weickert J., В. Ter Haar Romeny, and M. Viergever, Efficient and reliable schemes for nonlinear diffusion filtering. IEEE Transactions on Image processing, Vol. 3, March 1998.

Wied G.L, Bartels P.H. Computer-assisted quality assurence // Acta Cytol.

Wied G.L, The inevitable and mandatory computerization of our laboratories // Compendium on the Computerized Cytology and Histology Laboratory. Tutorials of Cytology, Chicago, USA, 1994, p. Wilding P, Leboy E.L. Use of pattern recognition technology for determination of the human differential leukocyte count // Blood Cells. Wintrobe's clinical hematology, 11th Ed.

Lippincot Williams&Wilkins Publisher, lllh edition (December 2003).191. Www.sekk/cz/EQA/2005/2005all.htm List of surveys 2005, Reticulocyte Count RC2/05 162. Yakimovsky Y, Feldman J.

A semantic-based descision theory region analyzer // Proc. Artificial Intelligence. Yu-Jin Zhang. Advances in Image and Video Segmentation.

Программа для перезагрузки удаленного компьютера

IRM Press, 2006.194. Zeiss, www.zeiss.com 164. Автандилов Г.Г. Компьютерная микротелефотометрия в диагностической гистоцитопатологии. Москва, 1996. С, Папаян Г.В, Цитофотометрия.

Аппаратура и методы анализа клеток по светопропусканию. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д., Прикладная статистика.

Классификация и снижение размерности. М.: Финансы и Статистика. Байдун J1.B., С.А.Кашпор, А.А.Парпара, С.А.Плясунова, А.М.Пятницкий, Б.З.Соколинский. Автоматическая эритроцитометрия в роботизированном микроскопе МЕКОС-Ц1.

Клиническая лабораторная диагностика №6, 2003 г, стр.3 942. Балаховский И.С. К вопросу о страховой стоимости клинико-лабораторных исследований. Клиническая лабораторная диагностика, 1995, N6.

Вапник В.Н, Червоненкис А.Я. Теория распознавания образов.

Статистические проблемы обучения. Москва: Наука. Машины, обучающиеся распознаванию образов. В сб.: Алгоритмы обучения распознавания образов. Радио», 1973. Верденская H.A., Иванова И.М., Медовый B.C.

И др., Патент РФ на изобретение 2132060, 1999. Способ оценки фотоморфометрической неоднородности популяции клеток цитологических препаратов. Патентообладатель ЗАО МЕКОС. Видеотест, www.videotest.ru 173. Волченко H.H., Медовый B.C., Бладунова З.Д., Славнова E.H., Савостикова М.В. Цитологическая диагностика долькового рака. Новости клинической цитологии, №34,2002 г 174.

Программа Для Перезагрузки Удаленного Компьютера

Волченко H.H., В.С.Медовый, Н.В.Климова, М.В.Савостикова, Е.Н.Славнова. Цитоморфометрическая диагностика дисплазий при дисгормонально-гиперпастических процессах молочной железы. Клиническая лабораторная диагностика, №5,2006, стр. Воробьев А.И. Руководство по гематологии.

Москва, « Медицина». Ворошилов H.A.

Автоматический анализ мочи зачем он нужен? Лаборатория, №3, 2004 177. Трибунов Ю.П., Ю.Л.Перов, Л.С.Ходасевич, О.И.Орлов. Морфологические и организационные аспекты использования телепатологии. Фонд « Телемедицина», серия « Практическая телемедицина», выпуск 5, Москва 2006.211. Диаморф, www.diamorph.ru 178. Егисапетов Э.

Обучение распознавания образов с помощью линейных решающих функций. Киб., 1969, №5. Кендалл М., Моран П., Геометрические вероятности.

М.: « Наука», 1972, 192. Клиорин А.И., Тиунов Л.А.

Функциональная неравнозначность эритроцитов. Козинец Г., Погорелов В.М., Каюмова Д.Ф., Сарычева Т.Г., Дягилева O.A., Наумова И.Н. Нужны ли мазки крови? Козинец Г., Симоварт Ю. Поверхностная архитектоника клеток периферической крови в норме и при заболеваниях системы крови. Таллин: 'Валгус'.

Козинец Г.И.,., Медовый B.C. Исследование системы крови в клинической практике.

Г.И.Козинца и В.А.Макарова. Москва, Триада-Х, 1997 г. Коленкин С.М. Автоматизированный анализ ретикулоцитов. Клиническая лабораторная диагностика №3 2003, стр.36-38 185. Коленкин С.М.

Референтные величины параметров автоматизированного анализа ретикулоцитов. Клиническая лабораторная диагностика №1 2003, стр.40-41. Показатели клеточной пролиферации при злокачественных лимфомах с особым рассмотрением ядрышкообразующих районов.1990,t35,N1 1, с28-34.221. JIOMO, www.lomo.ru 187.

Луговская С.А., Почтарь М.Е. Гематологический атлас.

Метод минимизации величины эмпирического риска в классе кусочно-линейных решающих правил. ВИМИ СРДР, вып 12, 1973. О поиске глобального экстремума в задачах распознавания. Вопросы радиоэлектроники, ЭВТ, вып 5,1972. Об уменьшении размерности линейных решающих правил в задаче распознавания.

ВИМИ СРДР, вып 12,1973. Метод минимизации функционала эмпирического риска для многопроцессорных ЦВМ. Вопросы радиоэлектроники, ЭВТ, вып 6, 1973.

Метод построения кусочно-линейного решающего правила для многопроцессорной ЦВМ. Вопросы радиоэлектроники, ЭВТ, вып 7,1974., стр. Медовый B.C., Труш В.Д. О распараллеливании быстрого преобразования Фурье в спектральном анализе энцефалограммы. Программирование, №1, стр. О распараллеливании алгоритма обучения распознаванию для задач с нефиксированным временем счета. Программирование №2, стр.

Медовый Вл.С., А.В.Иванов, Вит.С.Медовый, В.М.Погорелов. Способ распознавания и измерения диагностических характеристик цитологическихпрепаратов. Патент РФ на изобретение N 2088922.

Опубл., Бюлл. Медовый B.C., В.А.Балабуткии, Н.В.Всрденская и др. Автоматизированные цитофотоморфометрические тесты мазков крови для общей клиники и скрининговых обследований населения. Клиническая лабораторная диагностика, N 10,1997, стр 6-8. Медовый Вл.С., Медовый Вит.С., Иванов A.B.

Патент РФ на изобретение 21. Способ автоматизированной сегментации изображения цитологического препарата. Медовый Вл.С., Медовый Вит.С., Иванов A.B. Патент РФ на изобретение 21.

Способ адаптивной автоматической сегментации и распознавания клеток на изображениях цитологических препаратов. Патентообладатель ЗАО МЕКОС. Информационные автоматизированные системы микроскопии для анализа биоматериалов. Врач и информационные технологии, № 6,2004, стр.32-37. Медовый B.C., Пятницкий А.М.,Соколинский Б.З., Демьянов B.JL, Парпара A.A. Автоматизированная микроскопия биоматериалов.

Здравоохранение и медицинская техника, №4,2005 г. Медовый B.C., Парпара A.A., Пятницкий A.M., Соколинский Б.З., Демьянов B.JL. Обзор методик автоматизированной микроскопии биоматериалов.

Клиническая лабораторная диагностика, №7, 2006, стр. Медовый B.C., Парпара A.A., Пятницкий A.M., Соколинский Б.З., Демьянов B.J1. Структура системы автоматической микроскопии МЕКОС-Ц2 и методики ее испытаний. Медицинская техника, 2006 г., №4, стр.36-40. Структура комплекса компьютерной микроскопии, оптимизированная для медицинских испытаний.

Вопросы радиоэлектроники, серия ЭВТ, выпуск 1, 2007 г., стр. Медовый B.C., Парпара A.A., Соколинский Б.З., Демьянов B.JI. Комплектации оборудования и системная платформа комплексов автоматизированной микроскопии. Медицинская техника, 2007, №2, стр. МЕКОС, www.mecos.ru 205. Приказ 21 ноября 1979 г. Об унификации клинических лабораторных методов исследования.

Пантелеев И., Егорова О., Клыкова Е. Мир материалов и технологий. Компьютерная микроскопия.

Техносфера, Москва, 2005 г. Парпара A.A., Пятницкий A.M.,Соколинский Б.З., Медовый B.C., Демьянов B.JI. Навигация по мазку крови при автоматическом подсчёте лейкоцитарной формулы и эритроцитометрии.

Здравоохранение и медицинская техника, №7, 2005 г., стр. Погорелов В.М, Медовый В.С, Хазен Г.М, Козинец Г.И. Анализ клеточного изображения // Клин, лаборат. Погорелов В.М.,Медовый B.C., Соколинский Б.З.,Пятницкий A.M., Козинец Г.И. Методы компьютерной цитологии в гематологических исследованиях.

Клиническая лабораторная диагностика, 1997, N11, стр. Цифровая обработка изоображений. М.Мир 1982 211. Пятницкий A.M., Б.И. Соколинский, В.М.Бетрозова, В.С.Медовый, Г.И.Козинец. Анализ эритроцитов в системе МЕКОС-Ц.

Клиническая лабораторная диагностика, N 10,1997, стр 8-10. Пятницкий А.М, В.С.Медовый, А.А.Парпара.

Анализ ретикулоцитов: ручная микроскопия, проточные анализаторы или анализаторы изображений? Клиническая лабораторная диагностика, 2007, №1. Расчетные нормы времени на клинические лабораторные исследования Приказ МЗ РФ №380 от 25 декабря 1997г. Приложение 12. Руководство по медицине.

Диагностика и терапия. Мир, 1997 стр 774. Цитоморфометрическая характеристика эритроцитов и лимфоцитов при апластической анемии. Москва, ГНЦ РАМН 1991.

Соколинский Б.З., Демьянов B.JT., Медовый B.C., Парпара A.A., Пятницкий A.M. Автоматическая сортировка лейкоцитов мазка крови с использованием методов обучаемых нейронных сетей и watershed. Здравоохранение и медицинская техника, №4, 2005., стр.35.

Клинические лабораторные исследования в педиатрии. София 1961 218. Ушаков В.Г., Ушаков Н.Г. Об одном методе восстановления контурных изображений.

Вестник московского университета, серия 15, Выч.мат. И киб., 2006, №2 стр. Введение в теорию вероятностей и её приложения. М.: «Мир», 1964, 500. Введение в статистическую теорию распознавания образов / Пер. 1979 - 367.

Линейные решающие функции и их применение для распознавания образов. IRE, 1962, vol.

Статистический и структурный подходы к описанию текстур // ТИИЭР. 'Ощущение и восприятие', Изд. « Питер», 2003.

Леса строительные В настоящее время, строительные леса бывают трех видов: рамные, модульные и передвижные. Рамные леса необходимы для монтажа фасада и строительных работ. Они хороши тем, что их можно устанавливать на колесные системы, это значительно повышает производительность труда и снижает затраты. Основными элементами рамных лесов являются вертикальная и горизонтальная рамы, настил, диагональ, ограждения и плита. Можно воспользоваться и дополнительным набором конструктивных элементов, который подходит и для модульных лесов, он состоит из лестниц, крепежа, дистанционных труб, консолей, форм, хомутов защитной и сетки. Модульные леса используют в промышленности и для монтажа сложных фасадов, кроме того, они удобны, если необходимо соорудить сцены для шоу-программ.

Конструктивные модульные элементы лесов отличаются от рамных, они состоят из вертикальной стойки с фланцами, ригеля, диагонали и плиты. Леса рамные приставные высотой до 140 метров, предназначены для ведения отделочных и ремонтных работ на фасадах зданий любых конфигураций. Конструкция лесов собирается из следующих элементов: портиков, рам ограждений, настилов, ограждений рабочей площадки, лестниц, регулируемых и нерегулируемых опор, элементов крепления к стене, хомутов и хомутовых стяжек. Дополнительную жесткость лесам придают ригели специальной конструкции. Для более удобного подъёма и спуска предусмотрены лестницы. Для монтажа и демонтажа лесов предусмотрен подъёмный механизм. Применение дополнительной стойки и хомутовых стяжек, даёт возможность работать на фасадах любой конфигурации.

Леса изготавливаются в соответствии с ГОСТ 27321-87. Леса рамные приставные высотой до 60 метров, предназначены для ведения отделочных и ремонтных работ на фасадах зданий любых конфигураций.

Конструкция лесов собирается из следующих элементов: портиков, рам ограждений, ригелей, настилов, ограждений рабочей площадки, лестниц, регулируемых и нерегулируемых опор, элементов крепления к стене, хомутов и хомутовых стяжек. Дополнительную жесткость конструкции придают ригели специальной конструкции. Для более удобного подъема и спуска предусмотрены маршевые лестницы. Для монтажа и демонтажа лесов предусмотрен подъемный механизм. Применение ригелей различной длины а также хомутовых стяжек, дает возможность работать на фасадах любой конфигурации. Леса изготавливаются в соответствии с ГОСТ 27321-87. Леса рамные приставные высотой до 100 метров, предназначены для ведения отделочных и ремонтных работ на фасадах зданий любых конфигураций.

Конструкция лесов собирается из следующих элементов: портиков, рам ограждений, настилов, ограждений рабочей площадки, лестниц, регулируемых и нерегулируемых опор, элементов крепления к стене, хомутов и хомутовых стяжек. Дополнительную жесткость лесам придают ригели специальной конструкции. Для более удобного подъёма и спуска предусмотрены лестницы. Для монтажа и демонтажа лесов предусмотрен подъёмный механизм. Применение дополнительной стойки и хомутовых стяжек, даёт возможность работать на фасадах любой конфигурации. Леса изготавливаются в соответствии с ГОСТ 27321-87.