Новости

Клинический анализ крови — один из самых распространённых видов медицинских исследований. Процесс трудоёмкий, включает несколько оператор-зависимых этапов. Нередко из-за человеческого фактора возникают ошибки, которые значительно снижают качество исследований. Это ведёт к необходимости повторного забора крови или даже к неправильным диагнозам.

Учёные университета МИСИС совместно с коллегами из БГТУ имени В. Г. Шухова и НИЦЭМ имени Н. Ф. Гамалеи ведут разработку роботизированной системы на основе машинного зрения, которая во время подготовки биологического материала автоматически определяет уровень границ между фракциями сыворотки в пробирке. Разработка позволит ускорить лабораторные исследования и сократить вероятность ошибок.

В разработке используется пороговый алгоритм, использующий цветовую модель HSV (тон-насыщенность-яркость) и сверхточная нейронная сеть архитектуры U-net. Первый алгоритм требует меньшего количества изображений для самообучения и обладает низкой трудоёмкостью, а нейронная сеть обеспечивает высокую точность сегментации изображений (до 98%). В целом это позволяет вычислить глубину, на которую необходимо погрузить пипетку для взятия аликвот. При этом учитывается характер границы раздела фракций, что гарантирует получение максимального количества аликвот и сохранение высокого качества исследования.

В дальнейшем учёные планируют полностью роботизировать процесс проведения анализа крови — один из роботов будет брать со штатива пробирку с биоматериалом и перемещать её в рабочую зону, дожидаться забора плазмы и устанавливать пробирку в другой штатив. А второй робот будет выполнять забор плазмы, дозированно распределять ее по маленьким пробиркам, сменяя наконечники дозатора.

Ссылка на оригинальную статью: Robotic System for Blood Serum Aliquoting Based on a Neural Network Model of Machine Vision