Preview

Computational Mathematics and Information Technologies

Расширенный поиск

Комплексный метод классификации слоев и клеток кортекса мозга мыши, окрашенных по Нисслю, на основе послойной статистики дескрипторов клеток

https://doi.org/10.23947/2587-8999-2018-2-1-60-67

Аннотация

Предложен комплексный метод для автоматического детектирования и классификации слоев коры и клеток мозга по изображениям срезов кортекса мыши, окрашенных по Нисслю. Построена таблица значений 11 дескрипторов 4 типов клеток мозга для каждого слоя кортекса, иллюстрирующая зависимость их значений от слоя. Метод начинается с реконструкции границ слоев для регистрации слоя каждой клетки. Регистрация далее определяет границу клетки, комбинируя метод Canny, лучевой метод, матморфологическое открытие. Классификация астроцитов и 3 типов нейронов происходит по значениям дескрипторов текущего слоя.

Об авторах

Вадим Евгеньевич Турлапов
Нижегородский государственный университет им. Н.И. Лобачевского (603950, Россия, г. Нижний Новгород, проспект Гагарина, 23)
Россия

Турлапов Вадим Евгеньевич, профессор, доктор технических наук, Нижегородский государственный университет им. Н.И. Лобачевского, (603950, Россия, г. Нижний Новгород, проспект Гагарина, 23)



Светлана Александровна Носова
Нижегородский государственный университет им. Н.И. Лобачевского (603950, Россия, г. Нижний Новгород, проспект Гагарина, 23)
Россия

Носова Светлана Александровна, аспирант, Нижегородский государственный университет им. Н.И. Лобачевского, (603950, Россия, г. Нижний Новгород, проспект Гагарина, 23)



Список литературы

1. Kolodziejczyk A., Habrat (Ladniak) M.Piorkowski A. Constructing software for analysis of neuron, glial and endothelial cell numbers and density in histological Nissl-stained rodent brain tissue. Journal of medical informatics &technologies, Vol. 23, pp. 77-86, 2014.

2. Das S., Keyser J., Choe Y. Random-forest-based automated cell detection in Knife-Edge scanning Microscope rat Nissl data. Proceedings of the International Joint Conference On Neural Networks. 2015. DOI:10.1109/IJCNN.2015.7280852

3. He Y., et al. ICut: An integrative cut algorithm enables accurate segmentation oftouching cells. Scientific Reports 5(12089), DOI: 10.1038/srep12089, 2015.

4. Inglis A., et al. Automated identification of neurons and their locations. J. Microsc., 2008 June. 230 (Pt 3), pp. 339–352., 2008.

5. Allen Brain Atlas. Data Portal, 2004-2006. (http://mouse.brain-map.org/)

6. Brain maps, 2005 (http://brainmaps.org)

7. Сайт документации библиотеки OpenCV (http://docs.opencv.org)

8. Nosova,S., Snopova,L., Turlapov,V.. Automatic detection of neurons, astrocites, and layers for Nissl staining mouse cortex. Journal of WSCG, Vol.25, No.2, pp. 143-150, 2017.

9. Senyukova, O.V., Lukin, A.S. & Vetrov, D.P. Automated atlas-based segmentation of NISSL-stained mouse brain sections using supervised learning. Programming and Computer Software, Vol. 37, No. 5, pp.245–251, 2011.


Рецензия

Для цитирования:


Турлапов В.Е., Носова С.А. Комплексный метод классификации слоев и клеток кортекса мозга мыши, окрашенных по Нисслю, на основе послойной статистики дескрипторов клеток. Computational Mathematics and Information Technologies. 2018;2(1). https://doi.org/10.23947/2587-8999-2018-2-1-60-67

For citation:


Turlapov V.Ye., Nosova S.A. Comprehensive method for classification of layers and Nissl-stained cells of mice brain cortex on the basis of layered statistics of cells descriptors. Computational Mathematics and Information Technologies. 2018;2(1). https://doi.org/10.23947/2587-8999-2018-2-1-60-67

Просмотров: 165


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2587-8999 (Online)