moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2025.48.1.016 1796 Система анализа изображений ядросодержащих клеток костного мозга для формирования диагностического заключения в онкогематологии A system for analyzing images of nucleated bone marrow cells for the formation of a diagnostic conclusion in oncohematology 0000-0002-5346-6504 Поляков Евгений Валерьевич Polyakov Evgeniy Valeryevich evpolyakov@mephi.ru aff-1 Попов Владимир Викторович Popov Vladimir Viktorovich popovvladimir618618@gmail.com aff-2 0000-0002-9202-6691 Дмитриева Валентина Викторовна Dmitrieva Valentina Viktorovna dmitrievq@yandex.ru aff-3 Национальный исследовательский ядерный университет "МИФИ" National Research Nuclear University MEPhI (Moscow Engineering Physics Institute) Национальный исследовательский ядерный университет "МИФИ" National Research Nuclear University MEPhI (Moscow Engineering Physics Institute) Национальный исследовательский ядерный университет "МИФИ" National Research Nuclear University MEPhI (Moscow Engineering Physics Institute) 01 01 2026 1 1 10.26102/2310-6018/2025.48.1.016 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

В работе представлена система анализа изображений ядросодержащих клеток костного мозга для формирования диагностического заключения в онкогематологии, направленной на решение проблемы построения конвейера обработки данных в автоматических анализаторах биомедицинских изображений. Актуальность исследования обусловлена необходимостью повышения надежности автоматического микроскопического анализа биомедицинских образцов, что является сложной задачей из-за высокой изменчивости и морфологической сложности исследуемых объектов. Одним из решением указанной проблемы является разработка веб-сервиса посредством загрузки, обработки и описание изображений с последующей классификацией на категории подтвержденных и неподтвержденных случаев. Данный веб-сервис обеспечивает кроссплатформенность и доступность, формирует открытую базу данных верифицированных изображений и предоставляет инструменты для обработки и анализа изображений, а также инструменты для корректировки врачом результатов обработки. Система не назначает лечение и не ставит диагнозы самостоятельно, а служит интеллектуальным инструментом для обработки, анализа и передачи результатов исследований в режиме реального времени. Результаты тестирования показали высокую точность работы системы: 91 % для нейросетевых методов и до 97 % для классических алгоритмов. Разработанная система позволяет проводить анализ модулей обработки данных для систем компьютерной микроскопии.

The paper presents a system for analyzing images of nucleated bone marrow cells to form a diagnostic conclusion in oncohematology, aimed at solving the problem of constructing a data processing pipeline in automatic analyzers of biomedical images. The relevance of the study is due to the need to improve the reliability of theof automatic microscopic analysis of biomedical samples, which is aa difficult task due to high variability and morphological complexity of the investigated objects. One solution to this problem is to develop a web service that uploads, processes and describes images, then classifies them into categories of confirmed and unconfirmed cases. This web service provides cross-platform and accessibility, builds an open database of verified images and providestools for processing and analyzing images, as well as tools for correcting by the physician of the processing results. The system does not prescribe treatment and does not make diagnoses in dependently, but serves as an intelligent tool for processing, analyzing and transmission of research results in real time. The testing results showed high accuracy of the system: 91% for neural network methods and up to 97% for classical algorithms. The developed system allows for the analysis of data processing modules for computer microscopy systems.

 анализ биомедицинских изображений выделение объектов классификация ядросодержащих клеток распознавание образов онкогематология analysis of biomedical images selection of objects classification of nucleated cells pattern recognition oncohematology Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Kreiss L., Jiang S., Li X., Xu S., Zhou K.С., Lee K.С., Mühlberg A., Kim K., Chaware A., Ando M., Barisoni L., Seung A.L., Zheng G., Lafata K.J., Friedrich O., Horstmeyer R. Digital staining in optical microscopy using deep learning – a review. PhotoniX. 2023;4. https://doi.org/10.1186/s43074-023-00113-4 Yao J., Huang X., Wei M., Han W., Xu X., Wang R., Chen J., Sun L. High-Efficiency Classification of White Blood Cells Based on Object Detection. Journal of Healthcare Engineering. 2021;2021. https://doi.org/10.1155/2021/1615192 Medovy V.S., Volkov G.D., Strela N.M., Pervushkin I.V. An Adaptable Cloud-Based Multiple-Unit Laboratory Microscopy System. Biomedical Engineering. 2021;55:36–40. https://doi.org/10.1007/s10527-021-10066-2 Samorodov A.V. Biotechnological Systems for Automated Microscopy of Cytology Specimens. Biomedical Engineering. 2019;52(6):387–390. https://doi.org/10.1007/s10527-019-09853-9 Поляков Е.В. Исследование характеристик шума на изображениях в системах компьютерной микроскопии. Вестник ТГТУ. 2020;26(4):598–603. Дмитриева В.В., Тупицын Н.Н., Поляков Е.В., Носова Е.М., Палладина А.Д., Цыпляк В.И., Либерис К.А. Медицинская информационная система с применением web-технологий для диагностики острых лимфобластных лейкозов и минимальной остаточной болезни. Безопасность информационных технологий. 2021;28(3):44–55. https://doi.org/10.26583/bit.2021.3.03 Fazeli S., Samiei A., Lee T.D., Sarrafzadeh M. Beyond Labels: Visual Representations for Bone Marrow Cell Morphology Recognition. In: 2023 IEEE 11th International Conference on Healthcare Informatics (ICHI), 26–29 June 2023, Houston, USA. IEEE; 2023. pp. 111–117. https://doi.org/10.1109/ICHI57859.2023.00025 Deshpande N.M., Gite S., Aluvalu R. A review of microscopic analysis of blood cells for disease detection with AI perspective. PeerJ Computer Science. 2021;7. https://doi.org/10.7717/peerj-cs.460 Yildirim M., Çinar A. Classification of White Blood Cells by Deep Learning Methods for Diagnosing Disease. Revue d'Intelligence Artificielle. 2019;33(5):335–340. Dehkharghanian T., Mu Y., Ross C., Sur M., Tizhoosh H.R., Campbell C.J.V. Cell projection plots: A novel visualization of bone marrow aspirate cytology. Journal of Pathology Informatics. 2023;14. https://doi.org/10.1016/j.jpi.2023.100334 Cheng Z., Li Y. Improved YOLOv7 Algorithm for Detecting Bone Marrow Cells. Sensors. 2023;23(17). https://doi.org/10.3390/s23177640 Поляков Е.В., Тупицын Н.Н., Серебрякова И.Н., Палладина А.Д.; правообладатель федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский ядерный университет «МИФИ» (НИЯУ МИФИ). База данных клеток костного мозга больных острым лимфобластным лейкозом: заявка № 2023620945: заявл. 06.04.2023: опубл. 20.04.2023. Свидетельство о государственной регистрации базы данных № 2023621283 Российская Федерация.

The authors declare that there are no conflicts of interest present.