Classification of Structural and Functional Development Stage of Cardiomyocytes Using Machine Learning Techniques

Скорочена інформація про документ
dc.contributor.authorBondarev, V. R.
dc.contributor.authorIvanko, K. O.
dc.contributor.authorIvanushkina, N. G.
dc.date.accessioned2025-03-06T10:09:36Z
dc.date.available2025-03-06T10:09:36Z
dc.date.issued2024
dc.description.abstractThe study is dedicated to the problem of classification of structural and functional development stage of cardiomyocytes derived from the induced pluripotent stem cells with application of the digital image processing methods and machine learning algorithms, in particular, neural networks. Cell regenerative therapy has become one of the most promising treatment options for patients with heart failure. But since cardiomyocytes are objects with a high level of complexity and have significant morphological variability, automatic classification is complicated by the lack of implemented methods. That's why researches in this area are a major global public health priority. The initial data set used in this study is a publicly open set of confocal microscopic images of cardiomyocytes which can be divided into five classes based on the morphological features (the structure of the transverse T-tubule). A small amount of input data leads to the need of using augmentation methods. Methods that prevent the alteration of the transverse T-tubule, which is an important parameter for correct classification of the development of cardiomyocytes, are used. Histogram equalization technique is used to enhance the contrast and dynamic range of the confocal microscopic images with the method of contrast-limited adaptive equalization. This helped to improve the local contrast of the analyzed images and highlight the main elements of the cardiomyocyte. Finally, Chan–Vese method, which belongs to the regional segmentation methods, is chosen for the image segmentation and removing artifacts and/or parts of other cells from the image. A pre-processed and augmented dataset is used for training of the convolutional neural network having an architecture with hierarchical structure and residual block usage. The model is evaluated based on the confusion matrix and the heat maps of different convolutional layers are analyzed. Images from the classes with a large number of mutual errors are also considered. Based on the analysis, several classes of structural and functional development of cardiomyocytes are combined. Final accuracy of the model for defining the cardiomyocytes maturation stage achieved 77%.
dc.description.abstractotherДослідження присвячено проблемі класифікації стадії структурно-функціонального дозрівання кардіоміоцитів, отриманих з індукованих плюрипотентних стовбурових клітин, із застосуванням методів цифрової обробки зображень та алгоритмів машинного навчання, зокрема нейронних мереж. Клітинна регенеративна терапія стала одним із найбільш перспективних варіантів лікування пацієнтів із серцевою недостатністю. Але оскільки кардіоміоцити є об’єктами високого рівня складності та мають значну морфологічну мінливість, автоматична класифікація ускладнюється відсутністю реалізованих методів. Тому дослідження в цій галузі є важливим пріоритетом в галузі охорони здоров'я. Початковий набір даних, використаний у цьому дослідженні, є загальнодоступним набором конфокальних мікроскопічних зображень кардіоміоцитів, які можна розділити на п’ять класів на основі морфологічних ознак (структури поперечних Т-канальців). Невеликий обсяг вхідних даних призводить до необхідності використання методів аугментації. Використовувалися методи, що запобігають альтерації поперечного Т-канальця, що є важливим параметром для правильної класифікації стадії розвитку кардіоміоцитів. Для підвищення контрастності та динамічного діапазону конфокальних мікроскопічних зображень використовувався метод вирівнювання гістограми за допомогою методу адаптивного вирівнювання з обмеженим контрастом. Це дозволило покращити локальний контраст зображень і виділити основні структурні елементи кардіоміоцитів. Нарешті, метод Чан-Везе, який належить до методів регіональної сегментації, був обраний для сегментації зображень та видалення артефактів та/або частин інших клітин із зображень. Оброблений і аугментований набір даних використовувався для навчання згорткової нейронної мережі, що має архітектуру з ієрархічною структурою та використанням залишкових блоків. Модель було оцінено на основі матриці помилок, також було проаналізовано теплові карти різних згорткових шарів. Були розглянуті зображення з класів з великою кількістю взаємних помилок. На основі проведеного аналізу декілька класів структурно-функціонального розвитку кардіоміоцитів були об’єднані. Остаточна точність моделі для визначення стадії дозрівання кардіоміоцитів досягла 77%.
dc.format.pagerangeС. 55-65
dc.identifier.citationBondarev, V. R. Classification of Structural and Functional Development Stage of Cardiomyocytes Using Machine Learning Techniques / Bondarev V. R., Ivanko K. O., Ivanushkina N. G.// Вісник НТУУ «КПІ». Радіотехніка, радіоапаратобудування : збірник наукових праць. – 2024. – Вип. 98. – С. 55-65. – Бібліогр.: 23 назви.
dc.identifier.doihttps://doi.org/10.20535/RADAP.2024.98.55-65
dc.identifier.orcid0009-0000-3512-0334
dc.identifier.orcid0000-0002-3842-2423
dc.identifier.orcid0000-0001-8389-7906
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/72801
dc.language.isoen
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.relation.ispartofВісник НТУУ «КПІ». Радіотехніка, радіоапаратобудування : збірник наукових праць, Вип. 98
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.sourceВісник НТУУ «КПІ». Радіотехніка, радіоапаратобудування : збірник наукових праць, Вип. 98
dc.subjectcardiomyocyte
dc.subjectstem cells
dc.subjectimage processing
dc.subjectmachine learning
dc.subjectmachine learning problem
dc.subjectclassification
dc.subjectclassification accuracy
dc.subjectneural network
dc.subjectconvolutional neural network
dc.subjectкардіоміоцит
dc.subjectстовбурові клітини
dc.subjectобробка зображень
dc.subjectмашинне навчання
dc.subjectпроблема машинного навчання
dc.subjectкласифікація
dc.subjectточність класифікації
dc.subjectнейронна мережа
dc.subjectзгорткова нейронна мережа
dc.subject.udc004.89
dc.titleClassification of Structural and Functional Development Stage of Cardiomyocytes Using Machine Learning Techniques
dc.title.alternativeКласифікація стадії структурно-функціонального розвитку кардіоміоцитів за допомогою методів машинного навчання
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
mos,+_metaradap-2017.pdf
Розмір:
1.65 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Вісник НТУУ «КПІ». Радіотехніка, радіоапаратобудування : збірник наукових праць, Вип. 98