Статистическая классификация эритроцитов при наследственном сфероцитозе на основе спектральных признаков АСМ-изображений поверхностей клеток

Стародубцев И. Е.; Харин Ю. С.; Абрамович М. С.

Статистическая классификация эритроцитов при наследственном сфероцитозе на основе спектральных признаков АСМ-изображений поверхностей клеток

Стародубцев И. Е., Харин Ю. С., Абрамович М. С.

2019

Предложен метод классификации эритроцитов по спектральным признакам изображений (микромасштабных карт физико-механических свойств), полученных сканированием поверхностей клеток на атомно-силовом микроскопе (АСМ). Для расчета признаков каждая линия сканирования исходного АСМ-изображения рассматривалась как реализация случайной последовательности и для нее применялось дискретное преобразование Фурье. После сглаживания по полученной карте спектральных оценок строились информативные характеристики – медианы значений спектрограмм для каждой частоты. Проведена статистическая классификация эритроцитов двух типов (сфероцитов и дискоцитов) пациентов с наследственным сфероцитозом по полученным информативным характеристикам с помощью методов «деревья решений» и «бустинг на деревьях решений». Найден частотный интервал с наилучшей точностью классификации: более 82% для метода «бустинг на деревьях решений».

Стародубцев И. Е., Харин Ю. С., Абрамович М. С. Статистическая классификация эритроцитов при наследственном сфероцитозе на основе спектральных признаков АСМ-изображений поверхностей клеток. Информатика. 2019;16(3):7-13.

Цитирование

Список литературы

1. Dokukin, M. Nanoscale compositional mapping of cells, tissues, and polymers with ringing mode of atomic force microscopy / M. Dokukin, I. Sokolov // Scientific Reports. – 2017. – Vol. 7(1). – P. 11828.

2. Суслов, А. А. Сканирующие зондовые микроскопы (обзор) / А. А. Суслов, С. А. Чижик // Материалы, технологии, инструменты. – 1997. – Т. 2, № 3. – С. 78–89.

3. Temperature- and scale-dependent parameters of lateral force maps of cell surface / M. N. Starodubtseva [et al.] // XIX Annual Linz Winter Workshop. Advances in Single-Molecule Research for Biology & Nanoscience, 3–6 Febr. 2017, Linz, Austria. – Linz, 2017. – P. 6–3.

4. Starodubtseva, M. N. Novel fractal characteristic of atomic force microscopy images / M. N. Starodubtseva, I. E. Starodubtsev, E. G. Starodubtsev // Micron. – 2017. – Vol. 96. – P. 96–102.

5. Kharin, Y. Robustness in Statistical Pattern Recognition / Y. Kharin. – Dordrecht : Kluwer, 1996. – 302 p.

6. Jacobs, T. D. Quantitative characterization of surface topography using spectral analysis / T. D. Jacobs, T. Junge, L. Pastewka // Surface Topography: Metrology and Properties. – 2017. – Vol. 5(1). – P. 013001.

7. Nano- and microscale mechanical properties of erythrocytes in hereditary spherocytosis / M. N. Starodubtseva [et al.] // The Journal of Biomechanics. – 2019. – Vol. 83. – P. 1–8.

8. Андерсон, Т. Статистический анализ временных рядов : пер. с англ. И. Г. Журбенко, В. П. Носко / Т. Андерсон. – М. : Мир, 1976. – 755 с.

9. Harrington, P. Machine Learning in Action / P. Harrington. – N. Y. : Manning, 2012. – 382 p.

10. Hastie, T. The Elements of Statistical Learning / T. Hastie, R. Tibshirani, J. H. Friedman. – 2nd ed. – N. Y. : Springer Publ., 2009. – 764 p.

Источник

Информация

Автор

Стародубцев И. Е. Белорусский государственный университет
Харин Ю. С. Белорусский государственный университет; Научно-исследовательский институт прикладных проблем математики и информатики Белорусского государственного университета
Абрамович М. С. Белорусский государственный университет; Научно-исследовательский институт прикладных проблем математики и информатики Белорусского государственного университета

Страницы

7-13

Год издания

2019

Ключевые слова

Коллекции

Информатика