УДК 004.8:591.8:664
Табл. 1. Ил. 5. Библ. 18.
DOI: 10.21323/2071-2499-2023-4-3-7

Оценка точности распознавания нейросетью ResNet растительных компонентов на цифровых изображениях гистологических препаратов

Никитина М.А., доктор техн. наук, Чернуха И.М., академик РАН, Пчёлкина В.А., канд. техн. наук
ФНЦ пищевых систем им. В.М. Горбатова
Ключевые слова: сегментация, свёрточная нейронная сеть ResNet, изображения гистологических срезов, формат RGB, правильность распознания, метрика accuracy,
Реферат:
Представлены сведения о сегментации и распознавании объектов на цифровых изображениях. Показано исследование различных алгоритмов оптимизации (SGD, Adagrad, Adadelta, RMSProp, Adam) в архитектуре свёрточной нейронной сети ResNet на предмет точности классификации изображений. Реализация исследования осуществлялась в среде Jupyter на языке программирования Python с подключением библиотек Numpy, Keras и TensorFlow. Наилучшие результаты показал алгоритм оптимизации Adam: на обучающей выборки процент правильного распознавания 90 %, на проверочной – приблизительно 79 %, на тестовой – 78,5 %.

Assessing accuracy of identification of plant components on digital images of histological preparations using neural network ResNet

Nikitina M.A., Chernukha I.M., Pchelkina V.A.
Gorbatov Research Center for Food Systems
Key words: convolutional neural network ResNet, segmentation, images of histological sections, RGB format, correctness of identification, accuracy metric
Summary:
The paper presents data on segmentation and identification of objects on digital images and shows analysis of various optimization algorithms (SGD, Adagrad, Adadelta, RMSProp, Adam) in the architecture of the convolutional neural network ResNet in terms of accuracy of image classification. Realization of analysis was carried out in the environment Jupyter using the programming language Python with connection of libraries Numpy, Keras и TensorFlow. The optimization algorithm Adam showed the best results: the percent of correct identification was 90% on the learning set, about 79% on the verification set and 78.5 % on the test set.

СПИСОК ЛИТЕРАТУРЫ / REFERENCES:

Форсайт, Д.А. Компьютерное зрение. Современный подход / Д.А. Форсайт, Ж. Понс – М.: Вильямс, 2004. – 928 с.

Forsayt, D.A. Komp'yuternoye zreniye. Sovremennyy podkhod [Computer vision. Modern approach] / D.A. Forsayt, Zh. Pons – M.: Vil'yams, 2004. – 928 р.

Шапиро, Л. Компьютерное зрение / Л. Шапиро, Дж. Стокман. – М.: БИНОМ. Лаборатория знаний, 2006. – 752 с.

Shapiro, L. Komp'yuternoye zreniye [Computer vision] / L. Shapiro, Dzh. Stokman. – M.: BINOM. Laboratoriya znaniy, 2006. – 752 p.

Гонзалес, Р. Цифровая обработка изображений в среде Matlab / Р. Гонзалес, Р. Вудс, С. Эддинс. – М.: Техносфера, 2006. – 616 с.

Gonzales, R. Tsifrovaya obrabotka izobrazheniy v srede Matlab [Digital Image Processing in Matlab] / R. Gonzales, R. Vuds, S. Eddins. – M.: Tekhnosfera, 2006. – 616 p.

Кольцов, П.А. О количественной оценке эффективности алгоритмов анализа изображений / П.А. Кольцов, А.С. Осипов, А.С. Куцаев, А.А. Кравченко, Н.В. Котович, А.В. Захаров // Компьютерная оптика. – 2015. – Т. 39. – № 4. – С. 542-556. DOI: 10.18287/0134-2452-2015-39-4-542-556.

Kol'tsov, P.A. O kolichestvennoy otsenke effektivnosti algoritmov analiza izobrazheniy [On the quantitative assessment of the effectiveness of image analysis algorithms] / P.A. Kol'tsov, A.S. Osipov, A.S. Kutsayev, A.A. Kravchenko, N.V. Kotovich, A.V. Zakharov // Komp'yuternaya optika. – 2015. – T. 39. – № 4. – P. 542-556. DOI: 10.18287/0134-2452-2015-39-4-542-556.

Jiang, X. An adaptive contour closure algorithm and its experimental evaluation / X. Jiang // Transactions on Pattern Analysis and Machine Intelligence – 2000. – V. 22. – № 11. – P. 1252-1265. DOI: 10.1109/34.888710.

Kirsch, R.A. Experiments in processing pictorial information with a digital computer / R.A. Kirsch, L. Kahn, C. Ray, G.H. Urban // Proceedings of the Eastern Joint Computer conference. – 1957. – P. 221-229. DOI: 10.1145/1457720.1457763.

Соколинский, Б.З. Автоматическая сортировка лейкоцитов мазка крови с использованием методов обучаемых нейронных сетей и watershed / Б.З. Соколинский, В.Л. Демьянов, В.С. Медный, А.А. Парпара, А.М. Пятницкий // В сб.: Методы микроскопического анализа. – М.: Медицинские компьютерные системы, 2009. – С. 128-132.

Sokolinskiy, B.Z. Avtomaticheskaya sortirovka leykotsitov mazka krovi s ispol'zovaniyem metodov obuchayemykh neyronnykh setey i watershed [Automatic sorting of blood smear leukocytes using the methods of trained neural networks and watershed] / B.Z. Sokolinskiy, V.L. Dem'yanov, V.S. Mednyy, A.A. Parpara, A.M. Pyatnitskiy // V sb.: Metody mikroskopicheskogo analiza. – M.: Meditsinskiye komp'yuternyye sistemy, 2009. – P. 128-132.

Беляков, В.К. Об одной методике классификации клеток крови и её программной реализации / В.К. Беляков, Е.П. Сухенко, А.В. Захаров, П.П. Кольцов, Н.В. Котович, А.А. Кравченко, А.С. Куцаев, А.С. Осипов, А.Б. Кузнецов // Программные продукты и системы. – 2014. – № 4 (108). – С. 46-56. DOI: 10.15827/0236-235X.108.046-056.

Belyakov, V.K. Ob odnoy metodike klassifikatsii kletok krovi i yeyo programmnoy realizatsii [About one method of classification of blood cells and its software implementation] / V.K. Belyakov, Ye.P. Sukhenko, A.V. Zakharov, P.P. Kol'tsov, N.V. Kotovich, A.A. Kravchenko, A.S. Kutsayev, A.S. Osipov, A.B. Kuznetsov // Programmnyye produkty i sistemy. – 2014. – № 4 (108). – P. 46-56. DOI: 10.15827/0236-235X.108.046-056.

Koltsov, P.P. A Segmentation Method for the Microscopy of Images of Blood Cells / P.P. Koltsov, N.V. Kotovich, A.A. Kravchenko, A.S. Kutsaev, A.B. Kuznetsov, A.S. Osipov, E.P. Sukhenko, A.V. Zakharov // Pattern Recognition and Image Analysis. – 2015. – V. 25. – № 2. – P. 167-173. DOI: 10.1134/S1054661815020169.

Ritter, N. Segmentation and border identification of cells in images of peripheral blood smear slides / N. Ritter, J. Cooper // Thirtieth Australasian conference on Computer science Ballarat Australia. – 2007. – V. 62. – P. 161-169.

Эль-Хатиб, С.А. Сравнительный анализ алгоритмов выделения контуров медицинских изображений / С.А. Эль-Хатиб, Ю.А. Скобцов // Тезисы докладов II Международной научно-технической конференции студентов, аспирантов и молодых учёных «Информационные управляющие системы и технологии и компьютерный мониторинг». – Донецк, 2011. –Т. 2. – C. 52-56.

El'-Khatib, S.A. Sravnitel'nyy analiz algoritmov vydeleniya konturov meditsinskikh izobrazheniy [Comparative analysis of contour detection algorithms for medical images] / S.A. El'-Khatib, Yu.A. Skobtsov // Tezisy dokladov II Mezhdunarodnoy nauchno-tekhnicheskoy konferentsii studentov, aspirantov i molodykh uchonykh «Informatsionnyye upravlyayushchiye sistemy i tekhnologii i komp'yuternyy monitoring». – Donetsk, 2011. –T. 2. – P. 52-56.

Дороничева, А.В. Методы анализа медицинских изображений / А.В. Дороничева, Н.Э. Косых, С.К. Полумиенко, С.З. Савин // Екологічна безпека та природокористування. – 2014. – № 16. – С. 148-170.

Doronicheva, A.V. Metody analiza meditsinskikh izobrazheniy [Methods of analysis of medical images] / A.V. Doronicheva, N.E. Kosykh, S.K. Polumiyenko, S.Z. Savin // Yekologíchna bezpeka ta prirodokoristuvannya. – 2014. – № 16. – P. 148-170.

Бритик, В.И. Исследование возможностей различных фильтров и их применение в задачах распознавания образов / В.И. Бритик, Е.Ю. Жилина // Бионика интеллекта: научно-технический журнал. – 2014. – № 2 (83). – С. 88-95.

Britik, V.I. Issledovaniye vozmozhnostey razlichnykh fil'trov i ikh primeneniye v zadachakh raspoznavaniya obrazov [Investigation of the possibilities of various filters and their application in pattern recognition problems] / V.I. Britik, Ye.Yu. Zhilina // Bionika intellekta: nauchno-tekhnicheskiy zhurnal. – 2014. – № 2 (83). – P. 88-95.

Бондина, Н.Н. Использование статистических характеристик для выделения границ в медицинских изображениях / Н.Н. Бондина, В.Э. Кривенцов // Вестник НТУ ХПИ. Серия: Информатика и моделирование. – Харьков: НТУ ХПИ. – 2013. – № 39 (1012). – С. 22-27.

Bondina, N.N. Ispol'zovaniye statisticheskikh kharakteristik dlya vydeleniya granits v meditsinskikh izobrazheniyakh [Using statistical characteristics to highlight boundaries in medical images] / N.N. Bondina, V.E. Kriventsov // Vestnik NTU KHPI. Seriya: Informatika i modelirovaniye. – Khar'kov: NTU KHPI. – 2013. – № 39 (1012). – P. 22-27.

Костюкова, Н.С. Выделение контуров объектов при поиске изображений по их содержанию / Н.С. Костюкова, А.К. Чудовская // Материалы Международной научно-технической интернет-конференции «Компьютерная графика и распознавание изображений» 15 апреля 2012 г. Электронный ресурс. – Режим доступа: [http://conf.vntu.edu.ua/kgrz/2012/pdf/Костюкова.pdf]. Дата обращения: 01.12.2022.

Kostyukova, N.S. Vydeleniye konturov ob"yektov pri poiske izobrazheniy po ikh soderzhaniyu [Selection of contours of objects when searching for images by their content] / N.S. Kostyukova, A.K. Chudovskaya // Materialy Mezhdunarodnoy nauchno-tekhnicheskoy internet-konferentsii «Komp'yuternaya grafika i raspoznavaniye izobrazheniy» 15 aprelya 2012 g. Electronic resource. – Access mode: [http://conf.vntu.edu.ua/kgrz/2012/pdf/Kostyukova.pdf]. Date of access: 01.12.2022.

Билинский, И.И. Метод выделения контура на слабоконтрастных размытых изображениях / И.И. Билинский, И.В. Микулко // Вестник Винницкого политехнического института. – 2012. – № 3. – С. 164-169.

Bilinskiy, I.I. Metod vydeleniya kontura na slabokontrastnykh razmytykh izobrazheniyakh [The method of contour selection on low-contrast blurry images] / I.I. Bilinskiy, I.V. Mikulko // Vestnik Vinnitskogo politekhnicheskogo instituta. – 2012. – № 3. – P. 164-169.

Thoma, M. A survey of semantic segmentation / M. Thoma // arXiv preprint arXiv:1602.06541. – 2016.

18. He, K. Deep residual learning for image recognition / K. He, X. Zhang, S. Ren, J Sun // IEEE Conference on Computer Vision and Pattern Recognition. – 2016. – P. 770-778. DOI: 10.1109/CVPR.2016.90.

Контакты:

Никитина Марина Александровна
m.nikitina@fncps.ru
Чернуха Ирина Михайловна
i.chernukha@fncps.ru
Пчелкина Виктория Александровна
v.pchelkina@fncps.ru

Для цитирования:

Никитина, М.А. Оценка точности распознавания нейросетью ResNet растительных компонентов на цифровых изображениях гистологических препаратов / М.А. Никитина, И.М. Чернуха, В.А. Пчёлкина // Все о мясе. – 2023. – № 4. – С. 3-7. DOI: 10.21323/2071-2499-2023-4-3-7.

For citation:

Nikitina, M.A. Assessing accuracy of identification of plant components on digital images of histological preparations using neural network ResNet / M.A. Nikitina, I.M. Chernukha, V.A. Pchelkina // Vsyo o myase. – 2023. – № 4. – Р. 3-7. DOI: 10.21323/2071-2499-2023-4-3-7.