The object of research, development or design (in Russian) : Изображения слайдов иммуногистохимической (ИГХ) микроскопии с использованием нескольких маркеров.

The object of research, development or design (in Kazakh) : Бірнеше маркерлерді қолданатын иммуногистохимиялық (IHC) микроскопиялық слайд суреттері.

Aim of work (in Russian) : В данном проекте мы предлагаем разработать программный комплекс для количественного анализа иммуногистологических изображении с использованием машинного обучения. Разрабатываемый инструмент даст возможность провести более точную и стандартизированную диагностику образцов ИГХ, исключая факторы как предвзятость и субъективные оценки специалистов. Программа может потенциально использоваться в мониторинге течения заболевания и проверке эффективности терапии.

Aim of work (in Kazakh) : Бұл жобада біз машиналық оқытуды пайдалана отырып, иммуногистологиялық кескіндерді сандық талдауға арналған бағдарламалық пакетті әзірлеуді ұсынамыз. Әзірленген құрал мамандардың бейтараптық және субъективті бағалауы сияқты факторларды жойып, IHC үлгілерінің дәлірек және стандартталған диагностикасын жүргізуге мүмкіндік береді. Бағдарлама аурудың ағымын бақылау және терапияның тиімділігін тексеру үшін ықтимал қолданылуы мүмкін.

Методы исследования (на русском) : Для подсчета клеток необходимо выполнить сегментацию изображения, представляющую собой разделение его на объекты, соответствующие интересующим признакам. Это позволяет работать не с исходным изображением, а с определенным числом объектов. Не все сегментированные объекты будут клетками; их отделение от фоновых элементов будет происходить на следующих этапах. Методология сегментации ИГХ остается менее исследованной, и большинство публикаций касаются структур с однородной морфологией. Наш практический опыт применения различных методов, включая STARDIST, показывает отсутствие универсального подхода к сегментации для всех типов тканей. Соединительная ткань, в частности, представляет собой сложную структуру, для которой даже продвинутые методы, основанные на ИИ, часто допускают ошибки или пропуски объектов. В связи с этим мы выделяем несколько этапов сегментации для ИГХ: 1. Классификация типа ткани: изображение будет разделено по маскам, соответствующим определенному типу ткани. 2. Выбор метода для каждого типа ткани: для каждой маски будут применены специфические методы предобработки и сегментации, с опорой на существующие разработки, включая STARDIST. 3. Классификация и подсчет клеток: клетки будут классифицированы по цвету, с последующим подсчетом общего числа клеток.

Методы исследования (на казахском) : Ұяшықтарды санау үшін кескінді сегменттеуді орындау қажет, бұл кескінді қызығушылық белгілеріне сәйкес келетін объектілерге бөлу. Бұл бастапқы кескінмен емес, белгілі бір объектілер санымен жұмыс істеуге мүмкіндік береді. Барлық сегменттелген нысандар ұяшықтар болмайды; олардың фондық элементтерден бөлінуі келесі кезеңдерде болады. ИГХ сегментациясының әдістемесі әлі де аз зерттелген және көптеген жарияланымдар біртекті морфологиясы бар құрылымдарға қатысты. Біздің әртүрлі әдістермен, соның ішінде STARDIST-пен тәжірибелік тәжірибеміз барлық тіндердің түрлерін сегменттеуге әмбебап тәсілдің жоқ екенін көрсетеді. Дәнекер тін, атап айтқанда, күрделі құрылым болып табылады, ол үшін AI негізіндегі жетілдірілген әдістер жиі қателіктер жібереді немесе нысандарды өткізіп жібереді. Осыған байланысты біз ИГХ сегментациясының бірнеше кезеңдерін анықтаймыз: 1. Мата түрінің жіктелуі: Кескін арнайы матаның түріне сәйкес маскаларға бөлінеді. 2. Әрбір тіннің түрі үшін әдісті таңдау: STARDIST қоса алғанда, бар әзірлемелерге сүйене отырып, әрбір маска үшін арнайы алдын ала өңдеу және сегменттеу әдістері қолданылады. 3. Жасушаларды жіктеу және санау: жасушалар түсі бойынша жіктеледі, содан кейін ұяшықтардың жалпы саны есептеледі.

Obtained results and novelty (in Russian) : На этом этапе были собраны изображения ИГХ с параметрами 2048 × 1536 пикселей, глубиной цвета 24 бита и разрешением 300 DPI, что обеспечило высокое качество для анализа. Подписаны договоры с РГП «Больница Медицинского центра Управления Делами Президента РК» (Клиническая база), специалисты которой повысили точность анализа. Сбор данных проводился медицинским персоналом с контролем по проектному плану и поддержкой научных специалистов, что позволило создать базу данных по ИГХ у онкологических пациентов для дальнейших исследований. Методы сегментации с усилением по цвету и амплитуде подтвердили свою взаимодополняемость: объекты, выделяемые по амплитуде, не сегментировались по цвету и наоборот. Для коррекции артефактов использовался HSV-канал и фильтры серо-синего цвета; формула B-(R+G)/2 эффективно выделяла объекты синего оттенка. Алгоритмы без учителя на гистограммах и фильтрация через ИИ снизили ложные срабатывания, показав потенциал для сложных сегментаций. TensorFlow и Keras использовались для классификации, была разработана демонстрационная программа, успешно выделяющая темные ткани. Новизна: Проект ориентирован на казахстанскую популяцию и проводит аналогичные работы впервые. Мы планируем протестировать различные алгоритмы, сопоставить результаты с заключениями патологоанатомов и анализами пациентов. В дальнейшем создадим доступный инструмент, специфичный для Казахстана, охватывающий ареал гистологического среза до 1 см².

Obtained results and novelty (in Kazakh) : Бұл кезеңде ИГХ кескіндері 2048 × 1536 пиксель, 24 биттік түс тереңдігі және 300 DPI ажыратымдылығы параметрлерімен жиналды, бұл талдаудың жоғары сапасын қамтамасыз етті. «Қазақстан Республикасы Президенті Әкімшілігінің Медициналық орталығының ауруханасы» республикалық мемлекеттік қазыналық кәсіпорнымен (Клиникалық база) келісімдер жасалды, оның мамандары талдаудың дәлдігін арттырды. Деректерді жинауды медициналық қызметкерлер жоба жоспарына сәйкес жетекшілік ететін және ғылыми мамандардың қолдауымен жүргізді, бұл одан әрі зерттеу үшін онкологиялық науқастарда ИГХ деректер базасын құруға мүмкіндік берді. Түсі мен амплитудасы бойынша күшейту арқылы сегменттеу өзара расталды: амплитуда бойынша анықталған объектілер түс бойынша сегменттелмеген және керісінше. Артефактілерді түзету үшін HSV арнасы және сұр-көк сүзгілер пайдаланылды; B-(R+G)/2 формуласы көк реңкпен тиімді бөлектелген нысандар. Гистограммалардағы бақыланбайтын алгоритмдер және AI сүзгілері күрделі сегментациялар мүмкіндігін көрсетіп, жалған позитивтерді азайтты. Жіктеу үшін TensorFlow және Keras пайдаланылды және қараңғы тіндерді сәтті бөлетін демонстрациялық бағдарлама әзірленді. Жаңалығы: Жоба қазақ халқына бағытталған және мұндай жұмыс алғаш рет жүргізілуде. Біз әртүрлі алгоритмдерді сынап, нәтижелерді патологтардың қорытындыларымен және пациенттердің сынақтарымен салыстыруды жоспарлап отырмыз. Болашақта біз гистологиялық кесіндінің аумағын 1 см²-ге дейін қамтитын Қазақстанға тән қолжетімді құрал жасаймыз.

The main constructive and technical economic indicators (in Russian) : 1. Качество данных и точность: Высокое разрешение и глубина цвета (2048 x 1536 пикселей, 24 бита, 300 DPI) обеспечили точность анализа ИГХ и минимизировали артефакты, улучшая распознавание клеток. 2. Эффективные методы сегментации: Гибридные методы сегментации (усиление по цвету и амплитуде) и алгоритмы на основе ИИ (TensorFlow, Keras) повысили точность и снизили ложные срабатывания, увеличив устойчивость системы к искажениям цвета и разнообразию тканей. 3. Ресурсы и затраты: Сотрудничество с клинической базой и автоматизация анализа данных позволили оптимизировать ресурсы, сократить затраты и снизить влияние человеческого фактора. 4. Масштабируемость и экономический потенциал: Созданная база ИГХ у онкологических пациентов открывает возможности для последующих исследований и применения методики к другим патологиям.

The main constructive and technical economic indicators (in Kazakh) : 1. Деректер сапасы мен дәлдігі: Жоғары ажыратымдылық пен түс тереңдігі (2048 x 1536 пиксель, 24 бит, 300 DPI) IHC талдауының дәлдігін қамтамасыз етті және ұяшықтарды тануды жақсартатын артефактілерді азайтты. 2. Тиімді сегменттеу әдістері: Гибридті сегменттеу әдістері (түс пен амплитуданы күшейту) және AI негізіндегі алгоритмдер (TensorFlow, Keras) түс бұрмалануларына және тіндердің әртүрлілігіне жүйенің беріктігін арттыра отырып, дәлдікті арттырып, жалған позитивтерді азайтты. 3. Ресурстар мен шығындар: Клиникалық базамен ынтымақтастық және деректерді талдауды автоматтандыру ресурстарды оңтайландыруға, шығындарды азайтуға және адам факторларының әсерін азайтуға мүмкіндік берді. 4. Масштабтылық және экономикалық әлеует: Қатерлі ісікпен ауыратын науқастардағы IHC деректер базасы кейіннен зерттеу және әдістемені басқа патологияларға қолдану үшін мүмкіндіктер ашады.

Level of implementation (in Russian) : Проект находится на этапе опытного внедрения: собраны и обработаны первичные изображения ИГХ, внедрены методы гибридной сегментации и алгоритмы ИИ для анализа данных, разработана демонстрационная программа классификации тканей. Подписаны договоры о сотрудничестве с клинической базой для обеспечения устойчивого потока данных, и создана инфраструктура для дальнейших исследований и возможного масштабирования методики. Также, на данном этапе были опубликованы две работы (одна статья и один препринт) по проекту.

Level of implementation (in Kazakh) : Жоба пилоттық іске асыру сатысында: бастапқы ИГХ кескіндері жиналды және өңделді, гибридті сегменттеу әдістері және деректерді талдауға арналған AI алгоритмдері енгізілді, тіндерді жіктеу үшін демонстрациялық бағдарлама әзірленді. Деректердің тұрақты ағынын қамтамасыз ету үшін клиникалық сайттармен ынтымақтастық туралы келісімдерге қол қойылды және одан әрі зерттеу және техниканы ықтимал масштабтау үшін инфрақұрылым жасалды. Сондай-ақ, осы кезеңде жоба бойынша екі жұмыс (бір мақала және бір алдын ала баспа) жарық көрді.

Efficiency (in Russian) : Повышение точности анализа: Использование современных методов сегментации и алгоритмов ИИ значительно улучшило качество распознавания клеток и снизило количество ложных срабатываний. Сокращение временных затрат: Автоматизация анализа данных позволила ускорить обработку изображений и минимизировать трудозатраты, что оптимизировало исследовательский процесс. Устойчивость к артефактам: Интеграция различных методов обработки изображений повысила устойчивость системы к искажениям цвета и различиям в морфологии тканей. Создание базы данных: Проект создал обширную базу данных по ИГХ у онкологических пациентов, что открывает новые возможности для последующих исследований и улучшения клинической практики.

Efficiency (in Kazakh) : Талдау дәлдігінің жоғарылауы: заманауи сегменттеу әдістері мен AI алгоритмдерін пайдалану ұяшықтарды тану сапасын айтарлықтай жақсартты және жалған позитивтердің санын азайтты. Уақытты үнемдеу: Деректерді талдауды автоматтандыру кескінді өңдеуді жылдамдатады және зерттеу процесін оңтайландыратын еңбек шығындарын азайтады. Артефактқа төзімділік: кескінді өңдеудің әртүрлі әдістерін біріктіру жүйенің түс бұрмалануына және тін морфологиясындағы айырмашылықтарға қарсы беріктігін жақсартты. Дерекқорды құру: Жоба қатерлі ісікпен ауыратын науқастарда ИГХ жан-жақты дерекқорын жасады, бұл кейінгі зерттеулер мен жақсартылған клиникалық тәжірибе үшін жаңа мүмкіндіктер ашады.

Field of application (in Russian) : Проект может использоваться в диагностике различных онкологических заболеваний, а также в оценке эффективности терапии. Применение в онкологии является одним из главных аспектов проекта. Количественный анализ ИГХ может помочь выявлять и классифицировать раковые опухоли, а также следить за динамикой заболевания и эффективностью лечения.После внедрения проекта в клиническую практику, врачи и патологоанатомы смогут использовать инструмент для постановления диагнозов и разработки терапевтических планов. Методология и инструменты, разработанные в рамках проекта, могут стать важным инструментом для медицинских исследований и научных исследований в области онкологии и иммуногистохимии. Область применения проекта охватывает различные аспекты медицины, начиная от диагностики и заканчивая мониторингом исходов лечения, и имеет потенциал значительно повысить качество и эффективность здравоохранения.

Field of application (in Kazakh) : Жоба әртүрлі қатерлі ісік ауруларын диагностикалауда, сондай-ақ терапияның тиімділігін бағалауда қолданылуы мүмкін. Онкологияда қолдану жобаның негізгі аспектілерінің бірі болып табылады. ИГХ сандық талдауы қатерлі ісіктерді анықтауға және жіктеуге, сондай-ақ аурудың динамикасы мен емдеудің тиімділігін бақылауға көмектеседі. Жоба клиникалық тәжірибеге енгізілгеннен кейін дәрігерлер мен патологтар диагноз қою және терапиялық жоспарларды құру үшін пайдалана алады. Жобада әзірленген әдістеме мен құралдар онкология және иммуногистохимия салаларындағы медициналық зерттеулер мен зерттеулердің маңызды құралы бола алады. Жобаның ауқымы диагностикадан емдеу нәтижелерін бақылауға дейінгі медицинаның әртүрлі аспектілерін қамтиды және денсаулық сақтаудың сапасы мен тиімділігін айтарлықтай арттыруға мүмкіндік береді.