Ученые предложили подход к анализу микрофотографий клеточных слоев, который позволяет в два раза уменьшить погрешность при оценке распределения клеток по числу их «соседей». Среднее количество «соседей» важно, поскольку оно отличается у клеток в здоровых и раковых тканях. Таким образом, новый подход поможет усовершенствовать алгоритмы компьютерного зрения для поиска онкологических заболеваний.

Результаты исследования, поддержанного грантом Российского научного фонда (РНФ), опубликованы в журнале Journal of Physics: Condensed Matter.

Эпителиальные ткани покрывают наши внутренние органы, а также все тело снаружи. Они защищают организм от повреждений, обеспечивают транспорт питательных веществ и выведение вредных продуктов обмена веществ, таких как мочевина, аммиак, мочевая кислота и другие. Особенность эпителиев состоит в том, что их клетки плотно прилегают друг к другу, образуя своего рода мозаику из многоугольников.

Исследования показали, что по тому, как отдельные клетки укладываются в мозаику, можно выявлять различные нарушения в развитии ткани, например превращение здоровых клеток в раковые.

В частности, раковые клетки более вытянуты, чем здоровые, и среди них на 10–15% реже, чем обычно, встречаются те, что граничат с шестью другими клетками, то есть имеют шесть «соседей». Эти признаки можно использовать для поиска онкологических заболеваний на медицинских снимках, однако существующие на сегодняшний день алгоритмы для компьютерного анализа изображений недостаточно точно (с ошибкой до 15%) определяют, сколько у клетки «соседей». Дело в том, что они в первую очередь оценивают, где находится ядро, а потом, считая его условным центром, «очерчивают» границы клетки. Ядра могут быть плохо видны или находиться не совсем в центре, и это приводит к тому, что алгоритм определяет границы клетки неверно.

Ученые из Южного федерального университета (Ростов-на-Дону) с коллегами из Университета Монпелье (Франция) разработали математический метод, который позволяет избежать самых распространенных ошибок при определении границ клеток и повышает точность алгоритмов анализа изображений.