Алгоритмы анализа экспериментальных медицинских данных Текст научной статьи по специальности «Компьютерные и информационные науки»

Компьютерная биология

151

характеры и для псевдотуберкулеза, но обратное неверно: спектр фрактальных структур в геномах Yersinia pseudotuberculosis богаче, т.е. в них имеются структуры, отсутствующие в геномах чумной бактерии.

Работа выполнена при поддержке программы Фундаментальных Научных исследований РАН, проект № 0314-2019-0015.

Список литературы

1. Гусев В.Д., Мирошниченко Л.А., Чужанова Н.А. - Выявление фракталоподобных структур в ДНК-последовательностях // Information Science & Computing. International Book Series, №8: Classification, Forecasting, Data Mining. - ITHEA, Sofia, 2009.- P. 117-123.

Алгоритмы анализа экспериментальных медицинских данных

А. Г. Зотин\ К. В. Симонов2, Ю. А. Хамад3, М. А. Курако3, Т. В. Черепанова4 1Сибирский государственный университет науки и технологии им. акад. М. Ф. Решетнева 2Институт вычислительного моделирования СО РАН 3Сибирский федеральный университет

4Красноярский государственный медицинский университет имени проф. В.Ф. Войно-Ясенецкого

Email: zotinkrs@gmail.com

DOI: 10.24411/9999-017A-2019-10306

Исследование посвящено разработке вычислительной методики для оценки показателей процесса регенерации тканей с применением сетчатых никелид-титановых имплантатов с памятью формы в эксперименте [1]. Обработка и анализ данных наблюдений электронной микроскопии и классического гистологического исследования выполнялись с применением авторских алгоритмов и их модификаций. В качестве вычислительного инструментария для выделения внутренних геометрических черт экспериментальных изображений объектов интереса применялись алгоритмы шиарлет- и вейвлет-преобразований, а также алгоритмы построения упругих карт для эффективной визуализации данных [2]. Важным аспектом исследования являлось применение вычислительных средств предобработки данных для повышения контрастности и яркости анализируемых изображений на основе технологии Retinex [3].

Список литературы

1. Cherepanova T. V., Simonov K. V Study of the interaction between the implanted material and body tissues in the experiment // Medicine and High Technologies, 2018. № 3. P. 42-49.

2. Zotin A, Simonov K, Kapsargin F, Cherepanova T, Kruglyakov A, Cadena L. Techniques for Medical Images Processing Using Shearlet Transform and Color Coding. In: Favorskaya M, Jain L editors. Computer Vision in Control Systems-4. Intelligent Systems Reference Library, 2018. Vol. 136. P. 223-259. Springer, Cham.

3. Zotin A. Fast Algorithm of Image Enhancement based on Multi-Scale Retinex // Procedia Computer Science, 2018. Vol. 131. P. 6-9.

Моделирование патогенеза бурой ржавчины на листе пшеницы

У. С. Зубаирова1,2, А. В. Дорошков1,2, С. В. Николаев1, Д. А. Богуславский1, Д. А. Афонников1,2

1Институт цитологии и генетики СО РАН

2Новосибирский государственный университет

Email: ulyanochka@bionet.nsc.ru

DOI: 10.24411/9999-017A-2019-10307

Бурая ржавчина (Puccinia recondita) поражает листья растений, в результате уменьшается их способность к фотосинтезу, что приводит к снижению урожайности пшеницы. Для изучения патогенеза этого заболевания используется широкий класс методов системной биологии, в том числе и компьютерные модели [1], которые рассматривают взаимодействие патоген-растение как комплексный процесс. В работе представлена клеточно-автоматная модель, позволяющая проводить вычислительные эксперименты для получения прогнозов относительно динамики развития инфекции на листе пшеницы с учетом сопротивляемости растений, клеточной структуры эпидермиса листа и механизмов проникновения возбудителя в ткань и клетки. Модель верифицирована на основе данных, полученных в результате анализа временной серии цифровых изображений фрагментов листьев пшеницы, зараженных спорами бурой ржавчины в лабораторных условиях. Пространство представлено равномерной сеткой, каждая