Краткое описание

Работа посвящена методам анализа микроскопических изображений клеточных структур головного мозга. В центре исследования находится задача сегментации астроцитов - клеток, играющих ключевую роль в функционировании нервной системы и развитии нейродегенеративных заболеваний. Работа включает анализ современных методов компьютерного зрения и глубокого обучения, разработку собственной архитектуры сегментации, реализацию программного комплекса и оценку его эффективности на реальных биомедицинских данных.

Решаемая в ВКР проблема

Решаемая в работе проблема связана с автоматизацией анализа микроскопических изображений головного мозга, который до сих пор во многом основан на трудоёмкой и субъективной ручной разметке специалистами. Объектом исследования являются астроциты — ключевые клетки центральной нервной системы, участвующие в поддержании функций мозга и развитии нейродегенеративных заболеваний. Их сложная морфология с тонкими разветвлёнными отростками делает сегментацию одной из наиболее сложных задач биомедицинского компьютерного зрения. Отсутствие точных инструментов автоматического выделения астроцитов ограничивает проведение нейробиологических и фармакологических исследований, что определяет высокую научную и практическую значимость решаемой задачи.

Выводы

• Выполнен комплексный сравнительный анализ классических, специализированных и современных SOTA-моделей сегментации на реальных биомедицинских данных.
• Предложена, исследована и разработана собственная архитектура CNN на основе U-Net с механизмами внимания scSE, адаптированная, при помощи гибридной функции потерь, для выделения морфологически сложных астроцитов, содержащих тонкие ветвящиеся отростки.
• Разработана система автоматизированной сегментации астроцитов на микроскопических изображениях головного мозга на основе глубокого обучения, обеспечивающая воспроизводимый количественный анализ клеточных структур и снижение трудозатрат специалистов.
• Разработан протокол оценки качества, объединяющий классические метрики сегментации и морфологически ориентированные скелетные метрики, позволяющие оценивать сохранение топологии астроцитов, непрерывность отростков, точки ветвления и качество восстановления клеточной структуры.
• Подтверждена возможность применения разработанного решения в задачах цифровой патологии, нейробиологии и фармакологических исследований для ускорения обработки микроскопических данных, повышения объективности анализа и масштабирования научных экспериментов.

Апробация

• По теме ВКР зарегистрирована программа ЭВМ
• По теме ВКР представлен доклад на международной конференции «2026 International Conference on Industrial Engineering, Applications and Manufacturing» (ICIEAM-2026). Место проведения: Сочи, Россия.
• По теме ВКР написана статья «Evaluation of Deep Learning Architectures for Segmentation of Morphologically Complex Astrocytes Using Skeleton Topology Analysis». Публикация принята к включению в сборник трудов ICIEAM-2026, публикуемый в IEEE Xplore DigitalLibrary издательством Institute of Electrical and Electronics Engineers; сборники трудов IEEE Xplore индексируются наукометрической базой Scopus.
• ВКР была признана лучшей комиссей ГЭК, в состав которой входили эксперты Сколковского института науки и технологий (Сколтех). Председателем комиссии были даны рекомендации для поступления в аспирантуру и трудоустройства в научно-исследовательскую группу по применению AI в биомедицине.