В данной работе рассматривается метод частичной раз-метки и классификации гистологических изображений. Ос-новная идея метода заключается в использовании дополни-тельной информации, которая определяется пространствен-ным расположением отдельных клеток гистологии. Класси-фикатор обучается на размеченных гистологических изоб-ражениях предстательной железы. Метод работает следую-щим образом: гистологическое изображение делится на эле-менты заданного размера, после чего с помощью кодирую-щей составляющей автокодировщика каждому элементу со-поставляется его сжатое представление. Полученные сжатые представления элементов гистологического изображения проходят кластеризацию, в результате которой каждому элементу изображения присваивается вероятность того, что элемент, сопоставленный кластеру, принадлежит гистологи-ческому изображению пораженной раком ткани. По заданной границе принятия решений определяется класс элемента. В данной работе рассмотрены два способа учёта простран-ственного положения элементов: уточнение вероятности элемента с помощью среднего значения вероятностей его соседей и кластеризация сжатых представлений элемента и его соседей совместно, не по отдельности. Эти подходы не привели к улучшению качества классификации. Наилучшая достигнутая точность составляет 0,825.

In this paper, a method of partial annotation and classifica-tion of histological images is considered. The main idea of the method is to use additional information, which is determined by the spatial arrangement of individual cells in histology. The clas-sifier is trained on the annotated histological images of the pros-tate gland. The method works as follows: the histological image is divided into elements of a given size, after which, using the encoding component of the autoencoder, an embedding is as-signed to each element. The resulting embeddings of the ele-ments of the histological image undergo clustering, as a result of which each element of the image is assigned the probability that the element associated with the cluster belongs to the histological image of the cancerous tissue. The class of the element is deter-mined based on a given decision-making threshold. In this paper, two methods of taking into account the spatial position of ele-ments are considered: refining the probability of an element us-ing the average value of the probabilities of its neighbors and clustering the embeddings of an element and its neighbors to-gether, not separately. These approaches did not lead to an im-provement in the quality of the classification. The best achieved accuracy is 0.825.