Представлен программный подход к автоматизированной сегментации клеток церебрального эндотелия на светлопольных изображениях с использованием архитектуры глубокого обучения YOLOv11. Аннотация обучающего датасета формируется на основе флуоресцентных изображений, обработанных методами классического компьютерного зрения. Разработанный алгоритм обеспечивает выделение ядер эндотелиальных клеток микрососудов головного мозга и исключение областей, соответствующих макрофагам, что уменьшает количество ложноположительных детекций. Сформированные бинарные маски используются для автоматической генерации аннотаций, необходимых для обучения нейросетевой модели. Предложенный метод потенциально применим ко всем типам клеток, поддающимся флуоресцентному окрашиванию, и позволяет автоматизировать процесс подготовки данных и анализа клеточных изображений, полученных методом светлопольной микроскопии, что расширяет возможности неинвазивных исследований в области оптической биофотоники. Ключевые слова: флуоресцентная микроскопия, светлопольная микроскопия, машинное обучение, компьютерное зрение, сегментация изображений, эндотелиоциты, оптическая биофотоника.

Подсчитывается количество просмотров абстрактов ("html" на диаграммах) и полных версий статей ("pdf"). Просмотры с одинаковых IP-адресов засчитываются, если происходят с интервалом не менее 2-х часов.

Дата начала обработки статистических данных - 27 января 2016 г.