<?xml version="1.0" encoding="UTF-8"?>
<xml>
 <records>
  <record>
   <ref-type name="Journal Article">17</ref-type>
   <contributors>
    <authors>
     <author>Скакун В. В.</author>
     <author>Сюй С. </author>
    </authors>
   </contributors>
   <titles>
    <title>Предсказание центров ядер раковых клеток на иммуногистохимических флуоресцентных изображениях</title>
   </titles>
   <keywords>
    <keyword>иммуногистохимические изображения</keyword>
    <keyword>изображения раковых клеток</keyword>
    <keyword>предсказание центров ядер</keyword>
    <keyword>подсчет клеток</keyword>
    <keyword>нейронные сети глубокого обучения</keyword>
    <keyword>архитектура U-Net</keyword>
   </keywords>
   <dates>
    <year>2026</year>
    <pub-dates>
     <date>2026-06-28</date>
    </pub-dates>
   </dates>
   <doi>10.37661/1816-0301-2026-23-2-21-38</doi>
   <journal>Информатика</journal>
   <abstract>Цели. Цель исследования состоит в разработке метода предсказания центров ядер раковых клеток на иммуногистохимических флуоресцентных изображениях с использованием точечной разметки центров ядер.Методы. В работе используются сверточные нейронные сети глубокого обучения.Результаты. Предложен метод предсказания центров ядер раковых клеток на иммуногистохимических флуоресцентных изображениях пораженных тканей, отличающийся от существующих использованием точечной разметки центров ядер при обучении сети. Разработан алгоритм предварительной и заключительной обработки изображений, позволяющий проводить полный цикл анализа изображений любой размерности.Заключение. Метод предсказания центров ядер раковых клеток на иммуногистохимических флуоресцентных изображениях имеет простую архитектуру, небольшое количество обучаемых параметров и не требует сложной постобработки результатов анализа, традиционной при семантической сегментации ядер клеток, заключающейся в разделении слипшихся ядер. Метод позволяет подсчитывать количество раковых клеток на единицу площади, что в свою очередь предоставляет возможность оценить степень заболевания. Полное время анализа изображения размером 2048×2048 пикселей с использованием вычислителя T4 (Google Colab) составляет в среднем 750 мс, что открывает возможности анализа полнослайдовых изображений высокой размерности за приемлемое время.</abstract>
   <urls>
    <web-urls>
     <url>https://www.academjournals.by/publication/20543</url>
    </web-urls>
    <pdf-urls>
     <url>https://www.academjournals.by/files/20398</url>
    </pdf-urls>
   </urls>
  </record>
 </records>
</xml>
