Medical digital images based on the base model

Authorization required.

Лаборатория, созданная в рамках проекта «Единое здоровье» в рамках программы развития ДГТУ до 2030 года, представляет собой междисциплинарный научно-исследовательский комплекс, ориентированный на ветеринарию и биоветеринарный инжиниринг, интегрирующий ИТ и искусственный интеллект. Оснащенная уникальной сверхвысокоразрешающей системой для исследования биологических объектов, лаборатория клеточной биологии решает задачи клинико-диагностики путем анализа больших потоков данных биологических жидкостей (кровь, мокрота, моча и т. д.). Использование искусственного интеллекта на основе машинного обучения автоматизирует рутинные цитологические анализы, снижает клиническую неопределенность и повышает точность диагностики, особенно в условиях дефицита специалистов в отдаленных регионах и новых территориях Российской Федерации. Разрабатываемая база данных аннотированных цифровых микрофотографий образцов станет основой для уникальной цифровой модели биожидкостей пациентов, поддерживающей принятие врачебных решений и моделирующей различные клинические сценарии.

  1. Confocal microscopy
  2. Light microscopy
  3. Creating algorithms and programs
  4. Dark-field microscopy
  5. Fluorescence microscopy
  6. Electron microscopy
  7. Histochemistry
Stanislav Rodkin
Head of Laboratory
Principal researcher
Researcher
Researcher
Researcher
Junior researcher

Research directions

Development of an algorithm for the basic model of a digital platform for storing, processing and analyzing medical images of biological structures of animals and humans

+
The project involves creating a dataset of digital medical images of animal and human biological structures by collecting and cataloging images of patient biofluid preparations from clinical labs, veterinary clinics, pharmaceutical companies, and medical institutions. It includes expert manual annotation of key clinically significant elements in the dataset images, followed by the development of neural network architectures for detecting and classifying these elements. The neural networks are trained on the dataset images, and configurable image analysis algorithms are designed for detecting clinically significant elements, with adjustable parameters for various element types. Additionally, a server/digital platform architecture is developed, culminating in a prototype system for supporting medical decision-making in veterinary science, pharmaceutics, and medicine.

Publications and patents

Found 

Partners

Wizntech LLC

Lab address

пл. Гагарина, 1, корпус 6, Ростов-на-Дону
Authorization required.