Похибки перетворення типу «область – область» в автоматизованих системах аналізу цитологічних зображень
Розглянуті похибки, які виникають при перетворенні типу «область – область». Запропоновано метод перетворення областей зображень, який базується на перетворенні скелетів областей. Розроблений алгоритм визначення похибки перетворення типу «область – область». Розроблені алгоритми програмно реалізо...
Gespeichert in:
| Veröffentlicht in: | Искусственный интеллект |
|---|---|
| Datum: | 2013 |
| 1. Verfasser: | |
| Format: | Artikel |
| Sprache: | Ukrainisch |
| Veröffentlicht: |
Інститут проблем штучного інтелекту МОН України та НАН України
2013
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/85222 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Похибки перетворення типу «область – область» в автоматизованих системах аналізу цитологічних зображень / О.М. Березький // Искусственный интеллект. — 2013. — № 4. — С. 151–157. — Бібліогр.: 10 назв. — укр. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859620446865981440 |
|---|---|
| author | Березький, О.М. |
| author_facet | Березький, О.М. |
| citation_txt | Похибки перетворення типу «область – область» в автоматизованих системах аналізу цитологічних зображень / О.М. Березький // Искусственный интеллект. — 2013. — № 4. — С. 151–157. — Бібліогр.: 10 назв. — укр. |
| collection | DSpace DC |
| container_title | Искусственный интеллект |
| description | Розглянуті похибки, які виникають при перетворенні типу «область – область». Запропоновано метод
перетворення областей зображень, який базується на перетворенні скелетів областей. Розроблений
алгоритм визначення похибки перетворення типу «область – область». Розроблені алгоритми програмно
реалізовані в середовищі Borland Delphi 7.0. Досліджені похибки перетворення типу «область – область» в
автоматизованих системах аналізу цитологічних зображень.
Рассмотрены погрешности, возникающие при преобразовании типа «область – область». Предложен
метод преобразования областей изображений, основанный на преобразовании скелетов областей. Разработан
алгоритм определения погрешности преобразования типа «область – область». Разработанные алгоритмы,
программно реализованые в среде Borland Delphi 7.0. Исследованы погрешности преобразования типа
«область – область» в автоматизированных системах анализа цитологических изображений.
Errors, arising up at transformation of type «region – region», are considered. The method of regions image
transformation, based on skeletons transformation of region, is offered. The algorithm of determination transformation
of type a «region – region» error, is developed. The developed algorithms are programmatically realized in
the environment of Borland Delphi 7.0. The transformations of type «region – region» errors in the automated
systems of cytological image analysis are analyzed.
|
| first_indexed | 2025-11-29T03:12:02Z |
| format | Article |
| fulltext |
ISSN 1561-5359 «Штучний інтелект» 2013 № 4 151
3Б
УДК 004.932.2:616-006.04
О.М. Березький
Тернопільський національний технічний університет, Україна
Україна, 46009, м. Тернопіль, вул. Львівська, 11
Похибки перетворення типу «область – область»
в автоматизованих системах аналізу
цитологічних зображень
O.M. Berezsky
Ternopil National Economic University, Ukraine
Ukraine, 46009, t. Ternopol, Lvivska st., 11
Transformation of Type a «Region - Region» Errors
in the Automated Systems of Cytological Image Analysis
О.Н. Березский
Тернопольский национальный экономический университет, Украина
Украина, 46009, г. Тернополь, ул. Львовская, 11
Погрешности преобразования типа «область – область»
в автоматизированных системах анализа
цитологических изображений
Розглянуті похибки, які виникають при перетворенні типу «область – область». Запропоновано метод
перетворення областей зображень, який базується на перетворенні скелетів областей. Розроблений
алгоритм визначення похибки перетворення типу «область – область». Розроблені алгоритми програмно
реалізовані в середовищі Borland Delphi 7.0. Досліджені похибки перетворення типу «область – область» в
автоматизованих системах аналізу цитологічних зображень.
Ключові слова: похибки перетворення типу «область – область», скелети,
цитологічні зображення, автоматизовані системи.
Errors, arising up at transformation of type «region – region», are considered. The method of regions image
transformation, based on skeletons transformation of region, is offered. The algorithm of determination transformation
of type a «region – region» error, is developed. The developed algorithms are programmatically realized in
the environment of Borland Delphi 7.0. The transformations of type «region – region» errors in the automated
systems of cytological image analysis are analyzed.
Key words: transformation of type are a «region – region», skeletons, cytological image, automated systems.
Рассмотрены погрешности, возникающие при преобразовании типа «область – область». Предложен
метод преобразования областей изображений, основанный на преобразовании скелетов областей. Разработан
алгоритм определения погрешности преобразования типа «область – область». Разработанные алгоритмы,
программно реализованые в среде Borland Delphi 7.0. Исследованы погрешности преобразования типа
«область – область» в автоматизированных системах анализа цитологических изображений.
Ключевые слова: погрешности преобразования типа «область – область», скелеты,
цитологические изображения, автоматизированные системы.
Вступ
Сучасні автоматизовані засоби опрацювання біомедичних зображень (АЗОБМЗ)
складаються в основному з таких модулів: модуля вводу зображень, який представ-
Березький О.М.
«Искусственный интеллект» 2013 № 4 152
3Б
лений світловим мікроскопом і відеокамерою, персональним комп’ютером, котрий
забезпечує опрацювання зображень і принтером для документування результатів
аналізу на папері [1].
За функціональним призначенням АЗОБМЗ поділяються на два типи: дослід-
ницькі та спеціалізовані. Дослідницьким АЗОБМЗ характерний широкий набір функцій
опрацювання зображень. Спеціалізовані АЗОБМЗ працюють у напівавтоматичному
або автоматичному режимах і виконують одну визначену наперед послідовність авто-
матичних операцій з опрацювання зображень.
Програмне забезпечення АЗОБМЗ включає в себе такі модулі: попереднє оброб-
лення, сегментація, вимірювання, класифікація, статистичне оброблення мікро-
об’єктів [1-3].
Цитологічні зображення – це зображення окремих клітин. Мікрооб’єктами на
цитологічних зображеннях є цитоплазма, вакуолі, ядро, ядерця, хроматин і т.п. [4].
При постановці діагнозу важливою проблемою є виявлення і дослідження діаг-
ностичних ознак. Інформативною діагностичною ознакою при протіканні патологічних
процесів є форма окремої клітини і дослідження закономірностей її зміни. На даний
час в існуючих АЗОБМЗ відсутні модулі аналізу зміни форми клітин. Тому актуальною
задачею є дослідження зміни форми клітин із заданою похибкою перетворення.
Постановка задачі
Нехай задані зображення 1Im та 2Im . Представимо їх у вигляді:
iii OCIm , 2,1i ,
де iC – контур, iO – внутрішня область.
Згідно з теоремою Жордана [5], для замкнутих областей існує перетворення,
яке перетворює одну область в іншу область, тобто )( 12 OQO , де Q – ідеальне пере-
творення області 1O в область 2O . Реальне перетворення rQ знаходиться над апрок-
симованими областями 1O і 2O за допомогою виразу )( 12 OQO r . Похибку перетво-
рення будемо визначати як площу S симетричної різниці областей 2O і 2O , тобто
))(( 12 OQOS r
T .
Необхідно знайти складові похибки перетворення T .
Метод перетворення типу «область – область»
Для двох заданих зображень 111 OCIm та 222 OCIm області 1O та 2O є
замкненими обмеженими областями на площині 2R . Контури 1C і 2C є межами
областей 1O та 2O , тобто 11 OC , 22 OC . Як відомо [6], скелет області визнача-
ється так: DDDDODDprOD inf)(; , OD . Тоді цю множину
називають метричною проекцією точки D .
Для евклідової метрики використовується таке означення скелета:
точкиоднієї зніж більше, яскладаєтьс )(множина)( DprOCOsk .
Точка належить скелету, якщо вона є центром максимально вписаного в
область круга. Використаємо не евклідову метрику, а l метрику, тобто метрику, що
задана формулою 2121 ,max yyxxBA , де 11, yx – координати точки A ,
22 , yx – координати точки B .
Похибки перетворення типу «область – область» в автоматизованих системах...
«Штучний інтелект» 2013 № 4 153
3Б
Для l метрики точка належить скелету, якщо вона є центром максимально
вписаного в область квадрата зі сторонами, паралельними координатним осям.
Як показано в роботі [7], що у випадку кусково-лінійної межі області її скелет
також є кусково-лінійним. Крім цього доведено, що якщо область є однозв’язною, то
її скелет є деревом. Звідси випливає, що скелет в даному випадку є скінченним об’єд-
нанням відрізків.
Підсумовуючи вищенаведені міркування, можна сказати, що для однозв’язних
областей скелет є деформаційним ретрактом області, тобто )(OskO . Скелет є
графом без циклів, тобто його можна представити у вигляді EVOsk ,)( , де V –
множина вершин, а E – множина гілок.
Перетворення типу «область – область» 21 OO зведемо до перетворення
скелетів )()( 21 OskOsk .
Заміна областей скелетами дає змогу перейти від двомірного до одномірного
перетворення. Це спрощує задачу перетворення, але приводить до появи похибки
відтворення області за її скелетом. У загальному випадку скелетизація – це некоректна
задача [8]. Початковий скелет кожної області є зашумленим. Тому постає задача вида-
лення шумових гілок.
У статті [9] введено поняття -скелету і показано, що -скелетом називається
скелет, для якого виконується умова:
)()( xprdiamIntOxOsk ,
yxyxOyxpr
Oy
min)( .
Початковий скелет розкладається на -скелети, тобто
n
i
OskOsk
i
1
)()(
. Предста-
вимо скелет області у вигляді WEVOsk ,,)( , де – W множина ваг гілок скелету.
Дана множина nW ,...,, 21 складається з i ваг точок гілок Eei . При розкладі
початкового скелета )(Osk на -скелети справедливе:
)(...)()()(
21
OskOskOskOsk
n ,
тобто кожен наступний скелет є підграфом початкового графа. Ця операція відсікання
гілок називається «обрізанням» початкового скелета.
Нехай )(Osk – похибка відтворення області O за її скелетом. Тоді «обрізання»
гілок скелету проводимо до виконання умови )())(),(( OskOskOskS , де S – площа
симетричної різниці між початковою областю O та областю O , відтвореною за допо-
могою -скелета. З кожною точкою )(Oskk зв’язаний максимальний порожній
квадрат області )(),(:)( kakodokO , де )(ka – сторона квадрата з центром в
точці k .
Об’єднання
)(
)(
Oskk
sk kOO
– множина максимально порожніх квадратів з цен-
трами на гілках скелету )(Osk , яка збігається із самою областю O .
Для оцінки похибки перетворення між областями 21 OO використаємо симе-
тричну різницю: ))(( 12 OQOS r
T і
1O ,
2O – похибки відтворення областей 1O
та 2O за їх скелетами. При цьому справедливе таке твердження.
Березький О.М.
«Искусственный интеллект» 2013 № 4 154
3Б
Твердження. Верхня границя похибки перетворення між двома областями рівна:
21 OOT .
Доведення. За означенням похибка перетворення рівна ))(( 12 OQOS r
T .
Представимо її у вигляді 2112 \)()(\ OOQOQO rr
T . Обчислимо відносну похибку
симетричної різниці. Вона рівна :
1211112
2 OQOOOOQOQOT rrr .
Оскільки
1OQ r то
21 OOT .
Алгоритм визначення похибки перетворення
типу «область – область»
Алгоритм визначення похибки перетворення типу «область – область», вико-
ристовуючи запропонований метод перетворення областей на основі перетворень
скелетів представимо у вигляді послідовності таких кроків:
1. Представимо контури зображень 1Im і 2Im в полярній системі координат
)(11 rC , )(22 rC .
2. Апроксимуємо знайдені контури кусково-лінійними функціями
n
j
jji TbaC
1
,0,
, ja , jb , R , 2,1i
із заданими похибками апроксимації контурів
1C ,
2C .
3. Використовуючи алгоритми, які розроблені в статтях [7], [9], знайдемо скелети
областей )( 11 Osk і )( 22 Osk в l метриці.
4. Представимо отримані скелети у вигляді ),,()( 11111 WEVOsk , ),,()( 22222 WEVOsk .
5. На основі введених множин ваг точок гілок скелетів 1W та 2W проводимо
регуляризацію скелетів.
6. Оцінюємо похибки відтворення скелетів областей
1O та
2O .
7. Знаходимо похибку перетворення
21 OOT .
У свою чергу, похибка відтворення області рівна сумі похибки апроксимації
контура області C і похибки відтворення за допомогою скелета апроксимованої
області )(Osk , тобто: )(OskCO .
Експериментальні дослідження
Для знаходження похибки перетворення типу «область – область» програмно
реалізовано ряд розроблених алгоритмів: алгоритм апроксимації контуру із заданою
похибкою апроксимації, алгоритм виділення скелету, алгоритм «обрізання» мало-
інформативних гілок скелету на основі критеріїв втрати площі та периметру, алгоритм
обчислення похибки перетворення типу «область – область» та ряд інших допоміжних
алгоритмів. Для проведення експериментів були використані цитологічні зображення,
отримані в Тернопільському державному університеті ім. І.Я. Горбачевського.
Для визначення функції перетворення та обчислення похибки перетворення
типу «область – область» необхідно виконати такі кроки: завантажити вхідне цито-
Похибки перетворення типу «область – область» в автоматизованих системах...
«Штучний інтелект» 2013 № 4 155
3Б
логічне зображення та провести попереднє оброблення, за допомогою алгоритму сег-
ментації на основі попередніх розміток виділити мікрооб’єкти на вхідному зображенні,
визначити контурні функції мікрооб’єктів за допомогою алгоритму проходження
контуром з можливістю зворотного ходу, провести апроксимацію контурів мікро-
об’єктів із заданою похибкою. Приклад виділених мікрооб’єктів приведено на рис. 1.
Рисунок 1 – Приклад виділення та апроксимації контурів двох мікрооб’єктів
На наступному етапі здійснено обчислення координат точок, що належать ске-
летам відповідних мікрооб’єктів. Оскільки скелетизація проводиться над мікрооб’єктами,
представленими у цифровому форматі, отриманий скелет містить незв’язні між собою
частини, містить «діри» та велику кількість надлишкових точок, що приводить до
утворення великої кількості малоінформативних гілок. Приклад виділення скелетів
наведено на рис. 2. Для усунення даного недоліку використано морфометричні опе-
рації дилатації та ерозії, що дозволило отримати скелети мікрооб’єктів товщиною
гілки в один піксел.
Рисунок 2 – Приклад виділених скелетів товщиною гілки в один піксел
Після застосування морфометричних операцій залишаються малоінформативні
гілки скелетів, які необхідно видалити на основі критеріїв втрати площі та втрати
периметру, що дозволило зменшити складність процесу перетворення, не перевищуючи
при цьому допустиму похибку.
В результаті проведення комп’ютерних експериментів було опрацьовано понад
100 цитологічних зображень патологічних клітин долькового раку молочної залози.
Перетворення типу «область – область» були здійснені в афінному [10] і топо-
логічних просторах. Експерименти показали, що похибки перетворення в афінному
Березький О.М.
«Искусственный интеллект» 2013 № 4 156
3Б
просторі в 2 – 3 рази більші за похибки перетворення в топологічному просторі.
Максимальні похибки перетворення типу «область – область» в топологічному просторі
наведені в табл. 1.
Таблиця 1 – Результати визначення похибок перетворення типу «область – область»
Номер
експерименту
Площа першого
мікрооб’єкта
(піксел)
Площа другого
мікрооб’єкта
(піксел)
Похибка перетворення
типу «область –
область»(%)
1 10832 11776 1,81
2 8562 7456 2,03
3 14036 12754 1,58
4 10856 11562 2,38
Висновки
У роботі запропонований метод перетворення типу «область – область» на основі
перетворення скелетів областей. Досліджено джерела похибок при перетворенні облас-
тей та здійснена їх оцінка. Показано, що похибка перетворення типу «область – область»
залежить від похибок відтворення областей зображень, які складаються з похибок
апроксимації контурів і похибок відтворення областей зображень за їх скелетами.
Проведені комп’ютерні експерименти показали, що похибки перетворення в тополо-
гічному просторі в 2 – 3 рази менші за похибки перетворення в афінному просторі.
Література
1. Егорова О.В. Компьютерная микроскопия / Егорова О.В., Клыкова Е.И., Пантелеев В.Г. – М. :
Техносфера, 2005. – 300 с.
2. Абламейко С.В. Медицинские информационные технологии и системы / Анищенко В.В., Лапицкий В.А.,
Тузиков А.В. ; ОИПИ НАН Беларуси. – Минск, 2007. – 176 c.
3. Абламейко С.В. Обработка оптических изображений клеточных структур в медицине / С.В. Абламейко,
А.М. Недзьведь ; НАН Беларуси, Объед. ин-т проблем информатики. – Минск, 2005. – 156 с.
4. Автандилов Г.Г. Основы количественной паталлогической анатомии / Автандилов Г.Г. – М. : Меди-
цина, 2002. – 238 с.
5. Косневски Ч. Начальный курс алгебраической топологии / Косневски Ч. – М. : Мир, 1983. – 304 c.
6. Blum H. A Transformation for Extracting New Descriptors of Shape / H. Blum // Models for the Perception
of Speech and Visual Form. – USA : MIT Press, 1967. – P. 362–380.
7. Березский О. Н. Топологические методы и алгоритмы преобразования контуров и областей плоских
изображений / О.Н. Березский // Проблемы управления и информатики. – 2010. – № 5.
8. Местецкий Л. Непрерывная морфология бинарных изображений: фигуры, скелеты, циркуляры /
Л. Местецкий. – М. : ФИЗМАТЛИТ, 2009. – 288 c.
9. Березький О.М. Топологічне перетворення областей: випадок неізоморфних скелетів / О.М. Березь-
кий // Відбір і обробка інформації. – 2010. – Вип. 33 (109). – С. 67–74.
10. Березький О.М. Методи та алгоритми перетворення контурів зображень в афінному просторі /
О.М. Березький // Вісник Національного університету «Львівська політехніка». Комп’ютерні науки
та інформаційні технології. − 2009. − № 638. − С. 185-189.
Literaturа
1. Egorova O. V. Kompyuternaya mikroskopiya / O. V. Egorova, E. I. Klyikova, V. G. Panteleev – M.:
Tehnosfera, 2005. – 300 s.
2. Ablameyko S. V. Meditsinskie informatsionnyie tehnologii i sistemyi / V. V. Anischenko, V. A.
Lapitskiy, A. V. Tuzikov; OIPI NAN Belarusi – Minsk, 2007. – 176 c.
3. Ablameyko S. V. Obrabotka opticheskih izobrazheniy kletochnyih struktur v meditsine / Ablameyko S.
V., Nedzved A. M.; NAN Belarusi, Ob'ed. in-t problem informatiki. – Minsk, 2005. – 156 s.
Похибки перетворення типу «область – область» в автоматизованих системах...
«Штучний інтелект» 2013 № 4 157
3Б
4. Avtandilov G. G. Osnovyi kolichestvennoy patallogicheskoy anatomii / G. G. Avtandilov – M.:
Meditsina, 2002. – 238 s.
5. Kosnevski Ch. Nachalnyiy kurs algebraicheskoy topologii / Ch. Kosnevski. – M.: Mir, 1983. – 304 s.
6. Blum H. A Transformation for Extracting New Descriptors of Shape / H. Blum // Models for the
Perception of Speech and Visual Form. – USA: MIT Press, 1967. – P. 362–380.
7. Berezskiy O. N. Topologicheskie metodyi i algoritmyi preobrazovaniya konturov i oblastey ploskih
izobrazheniy / O. N. Berezskiy // Problemyi upravleniya i informatiki. – 2010. – № 5.
8. Mestetskiy L. Nepreryivnaya morfologiya binarnyih izobrazheniy: figuryi, skeletyi, tsirkulyaryi / L.
Mestetskiy. – M.: Fizmatlit, 2009. – 288 c.
9. Berezkiy O. M. Topologichne peretvorennya oblastey: vipadok neizomorfnih skeletiv / O. M. Berezkiy //
Vidbir i obrobka informatsiyi. – 2010. – Vip. 33 (109). – S. 67–74.
10. Berezkiy O. M. Metodi ta algoritmi peretvorennya konturiv zobrazhen v afinnomu prostori // Visnik
Natsionalnogo universitetu «Lvivska politehnika». Komp’yuterni nauki ta Informatsiyni tehnologiyi. −
2009. − № 638. − S. 185–189.
RESUME
O.M. Berezsky
Transformation of Type a «Region – Region» Errors
in the Automated Systems of Cytological Image Analysis
The modern automated tools of biomedical image processing consist mainly of such
modules: module of image input, which is presented a light microscope and video camera,
by the personal computer, and printer. Software of the automated tools of biomedical image
processing includes next modules: previous processing, segmentation, measuring, classifi-
cation, statistical processing of micro objects. The important problem of making a diagnosis
is a detection and research of diagnostic symptoms. The informing diagnostic symptom at
flowing of pathological processes is a form of separate cells and research of mechanism of
its change. Nowadays, the modules of cells change form analysis are absent in the existing
automated tools of biomedical image processing.
Transformation of type «region – region» errors are considered in the article. The method
of transformation image regions is offered, which is based on skeletons transformation of
regions in l metric. The algorithm of determination of transformation type «region – region»
errors is developed. Transformation of type «region – region» errors in the automated systems
of cytological image analysis is analyzed.
In the article shown, that transformation of type «region – region» error depends on
the errors of regeneration of image regions, which consist of approximation contours errors
and errors of regeneration of image regions on base skeletons. Computer experiments are
conducted in Borland Delphi 7.0. environment. As a result, the transformation errors in
topology space in 2 – 3 times less for transformation errors in affine space.
Стаття надійшла до редакції 12.04.2013.
|
| id | nasplib_isofts_kiev_ua-123456789-85222 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Ukrainian |
| last_indexed | 2025-11-29T03:12:02Z |
| publishDate | 2013 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Березький, О.М. 2015-07-22T11:00:43Z 2015-07-22T11:00:43Z 2013 Похибки перетворення типу «область – область» в автоматизованих системах аналізу цитологічних зображень / О.М. Березький // Искусственный интеллект. — 2013. — № 4. — С. 151–157. — Бібліогр.: 10 назв. — укр. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/85222 004.932.2:616-006.04 Розглянуті похибки, які виникають при перетворенні типу «область – область». Запропоновано метод перетворення областей зображень, який базується на перетворенні скелетів областей. Розроблений алгоритм визначення похибки перетворення типу «область – область». Розроблені алгоритми програмно реалізовані в середовищі Borland Delphi 7.0. Досліджені похибки перетворення типу «область – область» в автоматизованих системах аналізу цитологічних зображень. Рассмотрены погрешности, возникающие при преобразовании типа «область – область». Предложен метод преобразования областей изображений, основанный на преобразовании скелетов областей. Разработан алгоритм определения погрешности преобразования типа «область – область». Разработанные алгоритмы, программно реализованые в среде Borland Delphi 7.0. Исследованы погрешности преобразования типа «область – область» в автоматизированных системах анализа цитологических изображений. Errors, arising up at transformation of type «region – region», are considered. The method of regions image transformation, based on skeletons transformation of region, is offered. The algorithm of determination transformation of type a «region – region» error, is developed. The developed algorithms are programmatically realized in the environment of Borland Delphi 7.0. The transformations of type «region – region» errors in the automated systems of cytological image analysis are analyzed. uk Інститут проблем штучного інтелекту МОН України та НАН України Искусственный интеллект Анализ и синтез коммуникационной информации Похибки перетворення типу «область – область» в автоматизованих системах аналізу цитологічних зображень Погрешности преобразования типа «область – область» в автоматизированных системах анализа цитологических изображений Transformation of type a «region - region» errors in the automated systems of cytological image analysis Article published earlier |
| spellingShingle | Похибки перетворення типу «область – область» в автоматизованих системах аналізу цитологічних зображень Березький, О.М. Анализ и синтез коммуникационной информации |
| title | Похибки перетворення типу «область – область» в автоматизованих системах аналізу цитологічних зображень |
| title_alt | Погрешности преобразования типа «область – область» в автоматизированных системах анализа цитологических изображений Transformation of type a «region - region» errors in the automated systems of cytological image analysis |
| title_full | Похибки перетворення типу «область – область» в автоматизованих системах аналізу цитологічних зображень |
| title_fullStr | Похибки перетворення типу «область – область» в автоматизованих системах аналізу цитологічних зображень |
| title_full_unstemmed | Похибки перетворення типу «область – область» в автоматизованих системах аналізу цитологічних зображень |
| title_short | Похибки перетворення типу «область – область» в автоматизованих системах аналізу цитологічних зображень |
| title_sort | похибки перетворення типу «область – область» в автоматизованих системах аналізу цитологічних зображень |
| topic | Анализ и синтез коммуникационной информации |
| topic_facet | Анализ и синтез коммуникационной информации |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/85222 |
| work_keys_str_mv | AT berezʹkiiom pohibkiperetvorennâtipuoblastʹoblastʹvavtomatizovanihsistemahanalízucitologíčnihzobraženʹ AT berezʹkiiom pogrešnostipreobrazovaniâtipaoblastʹoblastʹvavtomatizirovannyhsistemahanalizacitologičeskihizobraženii AT berezʹkiiom transformationoftypearegionregionerrorsintheautomatedsystemsofcytologicalimageanalysis |