Детальная информация

When analyzing images of biological cells, automated methods for segmentation and result storage are becoming increasingly in demand. Manual annotation is extremely labor-intensive and does not scale to large volumes of data, while conventional segmentation algorithms create binary masks of substantial size. The objective of this work is to develop a software pipeline that combines local threshold filtering and morphological post-processing to obtain an accurate binary mask and then encodes the result using run-length encoding (RLE) to reduce storage space. Methods used are as follows: at the segmentation stage, local statistical criteria are applied, followed by morphological closing. For storing the result, several modifications of RLE (standard, Foreground-Only, DRLE and Z-order) are implemented along with their comparative analysis. The scientific novelty of the work lies in the comprehensive integration of block filtering and morphology with subsequent compression of binary segmentation masks in the task of erythrocyte (and other cells) segmentation. This approach significantly reduces storage requirements without substantial loss of accuracy. The proposed solution demonstrates high metrics (Accuracy, IoU, Dice) while substantial memory savings. The practical significance is that the developed software pipeline can be easily integrated into biomedical data analysis systems, accelerating the mass processing of cell images and reducing the demands on storage infrastructure.

При анализе изображений биологических клеток все более востребованными становятся автоматизированные методы сегментации и хранения результатов. Ручная разметка чрезвычайно трудоемка и не масштабируется на большие объемы данных, а обычные алгоритмы сегментации создают бинарные маски значительного объема. Целью работы является разработка программного конвейера, который сочетает локальную пороговую фильтрацию и морфологическую постобработку для получения точной бинарной маски, а затем кодирует результат отрезками разной длины (RLE) для уменьшения занимаемого пространства. Используемые методы: на этапе сегментации применяются локальные статистические критерии, за которыми следует морфологическое закрытие. Для хранения результата внедряются несколько модификаций RLE (стандартная, Foreground-Only, DRLE и Z-order) с их сравнительным анализом. Научная новизна работы заключается в комплексном объединении блоковой фильтрации и морфологии с последующим сжатием бинарных сегментационных масок в задаче сегментации клеток, что позволяет существенно сократить объем хранения без значимого ущерба точности. Полученное решение демонстрирует высокие метрики (Accuracy, IoU, Dice) при существенной экономии памяти. Практическая значимость исследования состоит в том, что разработанный программный конвейер легко интегрируется в системы анализа биомедицинских данных, ускоряя массовую обработку изображений клеток и снижая требования к инфраструктуре хранения.

Информатика, телекоммуникации и управление = Computing, Telecommunications and Control. — Санкт-Петербург: СПбПУ, 2020-. — Электрон. журнал. — Периодичность: 4 раза в год. — Свободный доступ из сети Интернет (чтение, печать, копирование). — Текст: электронный

Информатика, телекоммуникации и управление = Computing, Telecommunications and Control. — Санкт-Петербург: СПбПУ, 2020-. Т. 18, № 3, 2025. — 1 файл (13,5 Мб). — Свободный доступ из сети Интернет (чтение, печать, копирование). — <URL:http://elib.spbstu.ru/dl/2/j26-69.pdf>.