CC BY
33
УДК 004:932.2:616-006.06 Проф. О.М. Березький1, д-р техн. наук;
ст. викл. Г.М. Мельник, канд. техн. наук1; доц. Т.В. Дацко, канд. мед. наук2; викл. С. О. Вербовий1
БАЗА ДАНИХ ЦИТОЛОГ1ЧНИХ I Г1СТОЛОГ1ЧНИХ ЗОБРАЖЕНЬ АУТО- ТА КСЕНОГЕННИХ ТКАНИН
Для тестування алгоритма опрацювання зображень ауто- та ксеногенних тканин засобами комп'ютерних систем розроблено базу даних (БД) цитолопчних i пстолопч-них зображень "С1РОВ". Для кiлькiсного опису мшрооб'екйв використано такi ознаки: площа клiтини, площа ядра клiтини, площа цитоплазми клешни, периметр клiтини та ядра клггини, геометршчнi ознаки форми й ш. Для кiлькiсного опису патологiчних змш у структурах використано кiлькiсть шарiв у тканшнi, коефiцieнт структурно! атипй' то-що. Розроблено структуру БД, що складаеться iз 17-ти основних таблиць i використо-вуеться для збереження шформацн про пацiента, отриманих зображень, видiлених мш-рооб'ектiв та !х частин, кiлькiсних ознак мжрооб'ектш.
Ключовi слова: аутотканина, ксеногенна тканина, цитолопчне зображення, псто-логiчне зображення, база даних.
Актуальшсть дослщження. За уточненими даними Национального канцер-реестру (НКР) у 2011 р. було зареестровано 169 030 нових випадов захворю-вання на злояшсш новоутворення (ЗН); загальний показник захворюваносп на ЗН досяг 370,7 на 100 тис. населения, тобто, поршняно з 2010 р., збшьшився на 2,1 %, зокрема у жшочого населення - на 2,7 %, у чолов1чого - на 1,6 %. Менш штенсивно зросли стандартизован! (за укра'нським стандартом) показники, зокрема в жшок - на 1,5 %, у чоловiкiв - на 1,9 %, при загальному зростанш на 1,7 %, що свщчить про вплив старiння населення на ршень захворюваностi. У жь ночого населення загальний рiвень захворюваносп на ЗН зрю на 2,7 % (ротово! порожнини, глотки, стравоходу, ободово! та прямо!' кишки, ждлтлункоиоУ залози, трахе! бронх1в та легень, шири, молочно! залози, шийки та тша матки, яечника, нирок, головного мозку, щитовидно!' залози, злояккно! лшфоми та лейкеми). Незначне зниження загального показника захворюваностi спостерiгалося у разi захворювань на ЗН губи, ротово! порожнини, глотки та шлунка. У структурi зах-ворюваност! на ЗН 2011 р. у жшок найпоширешшими е ЗН молочно! залози, не-меланомш ЗН шкiри, ЗН ттла матки, шийки матки та колоректальний рак -58,8 % [1]. Рак молочно! залози i рак шийки матки вданачаються особливо висо-ким р1внем смертностi (80 %), якщо хворобу виявлено надто пiзно.
Методи дослвджень. Дiагностувания ракових захворювань зазвичай потребуе цитологiчного та гiстологiчного дослщження. Цитологiчний метод да-агностики захворювань визначив себе як безпечний, простий, швидкий, не до-рогий та достатньо шформативний, що дае змогу використовувати його для морфолопчного встановлення дiагнозу при дiагностуваннi захворювань молочно!' залози, оргашв грудно! порожнини, лшфатичних вузлiв, м'яких тканин. Цей метод дае змогу встановити характер ураження, пстогенез. Iнформативнiсть от-риманого матерiалу допомагае встановити дiагноз, проте вiд'емнi результати не виключають наявнкть злоякiсного процесу. Повторне отримання матерiалу дае
1 Тернопiльський нацюнальний економ1чний унгверситет;
2 Тернопiльський державний медичний унгверситет iм. I. Горбачевського
змогу з бшьшим ступенем достовiрностi встановити дiагноз. Проведения псто-та цитологiчних перевiрок - найбiльш ефективний метод контролю якосп цито-логiчних доcлiджень [2].
У випадках вдаутносп цитолопчного пiдтвердження даагнозу раку рекомендовано бюпсгю - секторальну резекцгю молочно!' залози з гicтологiчним доcлiдженням препарату.
Постановка задачг Основним методом цитолопчного та пстолопчного доcлiджень клгган, тканин i оргашв е cвiтлова мжроскотя, яка е джерелом ric-толопчних (ГЗ) та цитологiчних (ЦЗ) зображень. Мжрооб'екти на ЦЗ - це кль тини, що складаються з ядра, оточеного цитоплазмою. Рiзнi класи клiтин або стани однiеí клггани можуть вiдрiзнятиcя як за наявнктю цитоплазми взагалi, так i за формою та кшькГстю ядер. Структурами на ГЗ е складш мшрооб'екти, що утворенi клiтинами: шари клгган, cтiнки судин, залози та ш. [3, 4].
Для кiлькicного опису мжрооб'екпв використовують такi ознаки: площа клiтини, площа ядра клiтини, площа цитоплазми клггини, периметр клiтини, периметр ядра кттини, периметр цитоплазми клггани, геометричнi ознаки форми й ш. Для юльккного опису патолопчних змш у структурах беруть участь кшь-ккть шарiв клгган у тканиш, коефiцiент структурно!' атипй' та ш.
Доведеним визнаеться дiагноз, який шдтверджуе цитологiчне досль дження пстолопчним. Кргм цього, в разi раку обов'язково обстежуються органи i тканини, в яких найчаспше можуть бути виявлеш вгдсши пухлини (метаста-зи). Шд час тестування програмного забезпечення аналiзу зображень викорис-товуються теcтовi бази цитолопчних i пстолопчних зображень Гз поставленим дiагнозом, недолжом яких е ввдсутшсть детального опису мшрооб'екпв у якк-них категорГях.
Мета роботи - розробити БД цитолопчних i пстолопчних зображень таких видГв раку молочно!' залози: патлярного, шфшьтративного, внутрГшньоп-ротокового, низькодиференцшованого полГморфноклГтинного солвдного раку. Кргм цього, необхщно розробити БД зображень диспластичних процесГв: проль феративно!' мастопатп, непролГферативно!' мастопатп, фГброаденоми та малкш-зовано!' форми дисплазп.
Основна частина. Для тестування та налаштування комп'ютерних систем опрацювання та класифшацп зображень дослвдники активно створюють i поширюють навчальт вибГрки пстолопчних i цитолопчних зображень. Прин-циповою вГдмшшстю тако!' БД е надання шдтвердженого дГагнозу, наведення видшених границь мГкрооб'ектав та !'х числових ознак. Нижче наведено джерела найбшьш вщомих БД тестових зображень.
COIL-20 (Columbia University Image Library) - база зображень рГзних предметов, створена ствробГтниками лабораторй' CAVE Колумбшського уш-верситету. База мктить зображення 20 предмепв. Кожен предмет представлений серкю з 72 п1втонових зображень розмГром 128x128 шкселГв, зроблених при рГзних положеннях камери вщносно предмета [6].
SOIL-47 (Surrey Object Image Library) - база зображень рГзних предмепв, створена в университета Суррея. Зображення в базГ кольоровГ, з глибиною кольору 24 бГти на шксель, представлен у формата PNG. РозмГри кожного зоб-
раження - 720x576 пiкселiв. Базу призначено для використання в дослвдниць-ких цшях [7].
ALOI (Amsterdam Library of Object Images) - база зображень рiзних предметав, створена сшвробтаниками лабораторií Intelligent Systems Lab Amsterdam Амстердамського унiверситету. Мiстить зображення 1000 предметов. Ко-жен предмет представлений трьома сериями зображень. Кожне зображення в ба-зi представлене в кольоровому i швтоновому вид^ у трьох варiантах розширен-ня: 768x576, 384x288 i 192x144 mкселiв. Формат зображень - PNG [8].
The NORB Dataset призначена для експериментав iз розпiзнавання триви-мiрних об'ектав. Навчальна вибiрка мiстить 5 елементав кожно1 категорií, тесто-ва - 5. База MNIST мктить 60000 зразюв рукописних цифр для навчання i 10000 для тестування. MNIST е скороченою версieю бази NIST. База добре шд-ходить для тих, кому необхiдно випробувати методи навчання на реальних да-них без додаткових витрат зусиль на форматування i попередню обробку.
NIST Mugshot Identification Database - база зображень оаб, пiдготовлена Нацiональним шститутом стандарт1в i технологiй (США). У базу входять 3248 зображень фронтальних i профiльних зображень осiб. Зображення пред-ставленi у форматi IHead, розробленому спiвробiтниками iнституту. Разом iз базою поставляеться програмне забезпечення, що дае змогу виробляти читання i запис файлiв у формата IHead, а також конвертащя у графiчний формат SUN. База поширюеться на платнiй основi.
Jerry Wu Photometric Image Database - база зображень природних текстур, шдготовлена Д. Ву в науково-дослiднiй лабораторп Texture Lab Ушверси-тету Хериот-Уатт. База мктить зображення 39 зразюв рiзних поверхонь. Кожен зразок представлений серкю пiвтонових зображень 512x512 пiкселiв, що вiдрiз-няються напрямком освилення i поворотом зразка вiдносно камери.
VisTex (Vision Texture) - база зображень природних текстур, створена в Масачусетському технолопчному шститута. База складаеться з двох набор1в кольорових зображень з глибиною кольору 24 бгга на пiксель, у форматi PPM.
CVRL Data Sets - база цих бiометричних зображень, пiдготовлена в Computer Vision Research Laboratory, Department of Computer Science and Engineering, University of Notre Dame (Notre Dam datasets). Складаеться з зображень оаб i веселково1 оболонки ока.
The Histology Image Dataset (histologyDS) - набiр гктолопчних зображень який мктить 20 тис. зображень нормальних основних тканин у формата JPG. Мктить кольоровi зображення, класифжоваш за видом тканин.
MITOS Dataset - набiр гiстологiчних зображень злояккних новоутво-рень молочно1 залози. Набiр складаеться iз вiртуальних слайдiв високо1 роздшь-но1 здатностi (0,2 мкм/тксель). Вiн мiстить кольоровi, мультиспектральш зображення та в градащях сiрого. Розробники набору сфокусувались на представ-леннi мiтозiв (д1лення) клггин при вiдборi характерних зображень.
Джерело даних. Зрiзи тканин людини розмщуються на предметних скельцях (зразках), що вiзуально дослiджуються за допомогою мжроскопа. Цифровi зображення отримано за допомогою лабораторно1 установки, до складу яко1 входить мiкроскоп свiтлого поля Delta Optical, цифрова CMOS камера
Tucsen з роздшьною здатнiстю 8 Мп, штелектуальна система аналiзу цитолопч-них i гiстологiчних зображень "1п1еШБ" [11].
Джерелами предметних скелець та дiагностичноí шформацц е:
1) Кафедра патолопчно'! анатомп з секцiйним курсом судово1 медицини Тер-нопiльського державного медичного ушверситету iм. 1.Я. Горбачевського, м. Тернопшь;
2) Тернопiльський обласний клiнiчний онколопчний диспансер МОЗ Укра-1ни, м. Тернопшь.
Збереження зображень в БД. База даних "СШОВ" використовуеться для збереження шформацц про пащента, зображень, отриманих iз вiдповiдних предметних скелець (зразюв), та кiлькiсних ознак мшрооб'ектш. Структуру БД зображено на рис. 1. Ключовi поля на схемi позначено у виглядi ключа. Головною таблицею е райеПЪЬт, що зберiгае данi про пащента. Таблицю rese-агсИЬЬш призначено для збертання даних про дослiджения.
Рис. 1. Дiаграма зв'язюв клаав сутностей, що представляють БД
Таблиця imagehbm пов'язуе серда зображень, розмiщених у певному ка-талозi файлово!' системи з щентифшатором дослiджения. Таблицю roishbm пов'язуе зображення та набiр видалених на ньому областей. Таблиця гоШЬш призначено для зберiгания областей в бшарному представленнi та 'х числових ознак. Таблиця oЬjectnamehЬm зберiгае назви мшрооб'ектав. Для збереження
файлу зображення в БД необидно прочитати файл у змшну i створити запит на додавання даних у таблицю.
База даних складаеться iз файлк зображень та MySQL БД ознак. Файли зображень згрупованi за каталогами. Кожен каталог ввдповщае одному предметному склу i мае ушкальну назву. Для керування БД [12] розроблено об'ектну модель, яку представлено на рис. 1 у виглядi дiаграми класк сутностей. Кожна сутшсть вiдповiдае певнiй таблицi БД.
Нижче наведено детальний опис Java класк, що реалiзують сутностi БД.
ImageAttributeValueHbm - це таблиця БД, що мктить значения атрибутк зображень. Також мктить методи, ят дають змогу повернути iдентифiкатор рядка у БД, повернути та встановити значення атрибута зображення.
PatientHbm - таблиця БД, що мктить даш про пащента. Конструктор за замовчуванням, який встановлюе такi параметри: firstName - ш'я, lastName -прiзвище, middleName - по батьковi, researchHbms - дослiди.
ImageMeasurementNameHbm - таблиця БД, що мктить назви юльккних ознак зображень. Методи цього конструктора призначеш для повернення вден-тифкатора рядка у БД, повернення i встановлення назви кiлькiсноí ознаки.
ImageAttributeNameHbm - таблиця БД, що мктить назви атрибутов зображень. Методи повертають iдентифiкатор рядка у БД, назву атрибута зображення, встановлюють назву атрибута зображення, повертають можливi значення для ще! назви атрибута, встановлюють можливi значення для ще! назви атрибута.
ImageAttributeHbm - таблиця БД, що зберкае атрибути зображень. Конструктор за замовчуванням повертае щентифшатор рядка у БД, назву атрибута зображення, встановлюе назву атрибута зображення, повертае значення атрибута зображення, встановлюе значення атрибута зображення, повертае та встановлюе зображення, якому належить атрибут.
RoiGroupAttributeHbm - таблиця БД, що мктить атрибути, якД належать обласп штересу (region of interest (ROI)). Методи повертають вдентифкатор рядка у БД, назву атрибута ROI, встановлюють назву атрибута ROI.
RoiGroupAttributeNameHbm - таблиця БД, що мктить назви атрибутов ROI. Конструктор повертае щентифшатор рядка у БД, назву атрибута ROI, встановлюе назву атрибута ROI, повертае та встановлюе можливД значення для ще! назви атрибута.
RoiGroupAttributeValueHbm - таблиця БД, що мктить можливД значення атрибутк ROI. Конструктор мктить методи, якД встановлюють значення атрибута ROI, повертають i встановлюють ROI, якому належить цей атрибут.
RoiGroupHbm - таблиця БД, що мктить групи об'ектк (група розгля-даеться як цший об'ект). Мктить таю методи: контейнер ROI ядра, контейнер ROI цитоплазми, ROI цитоплазми, ROI ядра, площа ядра, площа цитоплазми, ядерно-цитоплазматичне ввдношення (ЯЦВ).
RoiHbm - таблиця БД, що зберкае бшарш об'екти ROI. Методи повертають щентифшатор рядка у БД, RoiGroup, якому належить цей мiкрооб'ект, вста-новлюють RoiGroup, повертають i встановлюють ROI.
RoiClassHbm - таблиця БД, що мктить класи об'ектк, якД належить зоб-раженню. Мктить методи, що повертають назву класу ROI та встановлюють назву класу ROI.
RoiGroupContainer - таблиця БД, що мiстить надоб'екти та пiдоб'eкти. Методи конструктора призначеш для повернення iдентифiкатора рядка у БД, повернення i встановлення групи об'eктiв, якiй належить контейнер, повернення i встановлення назви класу об'eктiв, повернення колекцií пiдоб'eктiв, встановлення колекцп надоб'ектш.
ImageHbm - таблиця в БД, що мктить даш про зображення. Метод пока-зуе даалогове вiкно та дае змогу вибрати зображення i3 списку.
ClassNameHbm - таблиця в БД, що мктить назви клаав об'екпв.
ImageMeasurementsContainer - таблиця БД, що мктить контейнер для числових ознак. Конструктор за замовчуванням, який мктить методи для повернення дешифратора рядка у БД, повернення та встановлення зображення, якому належить цей контейнер, повернення i встановлення назви кшьккних ознак, повернення та встановлення числових ознак.
ResearchHbm - таблиця в БД, що мктить даш про дослвд. Конструктор iз встановленням параметров: name - назва дослДду, date - дата дослвду, glass - скло дослiду, objectiveMultiplicity - кратнiсть об'ективу, colorationMethod - метод фар-бування, researchFolder - директорiя дослiду, comment - комет^ до дослiду, patientHbm - пащент, якому належить дослiд, methodicPath - шлях до методики до^ду. Методи встановлюють шлях до методики зпдно з якою проводиться дослiдження, повертають данi про пащента, якому належить цей дослвд.
Розроблене програмне забезпечення дае змогу переглянути реальну структуру таблиць бази даних, а також значения даних (рис. 2).
Рис. 2. Перегляд структури та даних таблиць бази даних
Для збереження шформацп про дослвдження у системi передбачено шд-ключення до мережево! або локально! БД, що шдтримуе специфiкацiю ODBC. У БД бюмедичних зображень передбачено зберiгання тако! шформацп:
• дат про пащента: назва дослщу, дата, час, П. I. Б., номер скла препарату;
• дат про дослщження: краттсть об'ектива, метод фарбування препарату, шлях до каталогу i3 зображеннями, назва методики дослщження, примита;
• координати областей, видшених на зображеннi.
У випадку ввдсутносп файлiв зображень система виводить тшьки шфор-мацiю про видшеш об'екти i повiдомлення, про вщсутнкть файлу зображення.
Пкля шдключення до БД можна виконати таю операцп: створення нового дослвдження, перезапуск кнуючого дослiджения, видалення дослщження, формування звтв шсля проведених дослвджень.
Система дае змогу сформувати таю звгти про: всю БД, пащента, дослвд, скло та зображення. ЗвДт можна сформувати у таких форматах: Microsoft Excel 97/2000/XP/2003 (.xls), Microsoft Excel 2007/2010 (.xls), (WEKA) Attribute-Relation File Format (.arff), CSV data file (.csv).
Для здайснення iнтелектуального аналiзу даних реалiзовано функцда ек-спорту БД у формата ".arff" в програмну систему Weka. У таблицi зображено фрагмент опису зображення, пiдготовленого для ПЗ Weka.
_Табл. Експорт опису зображення у ПЗ Weka_
@attribute roi_nuclei_area_mean numeric
@attribute roi_cytoplasm_area_mean numeric
@attribute Дiагноз_Цитологiя {Фiброаденома,'Папiлярний рак'}
@attribute Клiтина_Вигляд {Мономорфнi, Полiморфнi}
@attribute 'Клiтина_Вплив на розвиток колагенових волокон' {Так, Hi}
@attribute Клiтина_Колiр {Темний, Просвилений, Насичений}
@attribute 'Клiтина_Ознаки секреторно! активности {Вiдсутнi, Присутнi}
@attribute Клiтина_Розмiр {Середш, Гiгантський, Рiзнi, Збiльшенний, Крупний}
@attribute Клiтина_Розташування {Поодинокi,'Групи тяжами', Тяжами, Альвеола-
ми,'На базальнiй мембранi','Групи острiвцями','Групи острiвцi'}
@attribute 'Клiтина_Степiнь анаплазп1 {'Не виражена', Виражена}
@attribute Клiтина_Тип {}
@attribute 'Клiтина_Форма ' {Ово!дна, Ку6!чщ, Призматична, Видовжена, Неправильна, Округла, Pi3^}_
Висновки. База даних мктить зображення аутотканин, а саме нормаль-них тканин та шфшьтративного i протокового раку молочно! залози. Вона дае змогу створювати навчальну ви6Дрку для випробування i перевiрки систем ана-лДзу пстолопчних i цитолопчних зображень. Базу даних розроблено в рамках держбюджетно! науково-дослiдноí роботи " 1нтелектуальна система для дiагнос-тування рДзних форм раку молочно! залози на основД аналiзу пстолопчних та цитолопчних зображень" (державний реестрацшний номер 0112U000736) та договору на створення науково-технiчноí продукцп "Характеристика ауто- та ксеногенних тканин на основД аналiзу пстолопчних та цитолопчних зображень" на замовлення ТзОВ "1нститут бiомедичних техиологiй".
Лiтература
1. Бюлетень Надiонального канцер-реестру № 14 - "Рак в Укршш, 2011-2012". - 2013. -
123 с.
2. Бринджов Л.М. Цитолопчна дагностика захворювань молочно! залози, органов грудно! порожнини та лiмфатичних вузлш / Л.М. Бринджов, А. Д. Давиденко, П.М. Боцюн, 1.Г. Дробнер / Хмельницький обласний онколопчний диспансер.
3. Gansler T.S., Breast Cancer. Atlas of Clinical Oncology., B.C. Decker Inc., London., 2000.
4. Wolberg W.H. et al. "Computer-derived nuclear features distinguish malignant from benign breast cytology", Human Pathology. - 1995. - Vol. 26. - Pp. 792-796.
5. Березький О. Комп'ютерна система аналiзу бюмедичних зображень / О. Березький, Ю. Батько, Г. Мельник // Вюник Национального унiверситету "Львшська полiтехнiка" : зб. наук. праць. - Сер.: Комп'ютерш науки та iнформацiйнi технологи. - Львiв : Вид-во НУ "Львшська по-лiтехнiка". - 2009. - С. 11-18.
6. Nene S.A. Columbia Object Image Library (COIL - 20). Technical Report CUCS - 005-96 / A. Nene, S.K. Nayar, H. Murase. [Electronic resource]. - Mode of access http://www1.cs.columbia.edu / CAVE/software/softlib/coil -20.php.
7. Burianek J. SOIL - 47, The Surrey Object Image Library. Centre for Vision, Speach and Signal processing, Univerisity of Surrey / J. Burianek, A. Ahmadyfard, J. Kittler. [Electronic resource]. - Mode of access http://www.ee.surrey.ac.uk/CVSSP/demos/colour/soil47.
8. Geusebroek J.M. The Amsterdam library of object images. Int. J. Comput. Vision / J.M. Geu-sebroek, G.J. Burghouts, A. W.M. Smeulders. - 2005. - Vol. 61(1). - Pp. 103-112.
9. Martinez A.M. The AR Face Database. CVC Tech. Report #24 / A.M. Martinez, R. Benavente. [Electronic resource]. - Mode of access http://rvl1.ecn.purdue.edu/~aleix/aleix_face_DB.html.
10. Jain V. The Indian Face Database. / V. Jain, A. Mukherjee. [Electronic resource]. - Mode of access http://vis-www.cs.umass.edu/~vidit/Indian Face Database.
11. Березький О.М. 1нтелектуальна система для доагностування рiзних форм раку молочно! залози на осжга аналiзу пстолопчних та цитолопчних зображень / О.М. Березький, Г.М. Мельник, Ю.М. Батько, T.B. Дацко // Науковий вюник НЛТУ Украши : зб. наук.-техн. праць. - ^BiB : РВВ НЛТУ Украши. - 2013. - Вип. 23.13. - С. 357-367.
12. Березький О.М. Нечггка база знань штелектуально! системи дiагностування видш раку молочно! залози / О.М. Березький, Г.М. Мельник, К.М. Березька // Вюник Хмельницького национального ушверситету : зб. наук. праць. - 2013. - № 6. - С. 284-291.
Березский О.М., Мельник Г.М., Дацко Т.В, Вербовый С.О. База данных цитологических и гистологических изображений ауто- и ксеногенных тканей
Для тестирования и конфигурации обработки изображений ауто- и ксеногенных тканей средствами компьютерных систем разработана база данных цитологических и гистологических изображений "CIFDB". Для количественного описания микрообъектов использованы следующие признаки: площадь клетки, площадь ядра клетки, площадь цитоплазмы клетки, периметр клетки и ядра клетки, геометрические признаки формы и т.п. Для количественного описания патологических изменений в структурах использовано количество слоев клеток в ткани, коэффициент структурной атипии и др. Разработана структура базы данных, состоящая из 17 основных таблиц. База используется для хранения информации о пациенте, полученных изображений, выделенных микрообъектов и их частей, количественных признаков микрообъектов.
Ключевые слова: аутоткань, ксеногенная ткань, цитологическое изображение, гистологическое изображение, база данных.
Berezsky O.M., Melnyk G.M., Datsko T.V., Verbovy S.O. The Database of Cytological and Histological Images of Auto- and Xenogen Tissue
The database for cytological and histological images "CIFDB" is designed in order to test the configuration of the image processing and auto- and xenogen tissue by means of computer systems. Such characteristics as cell area, cell nucleus area, cytoplasm area, cell and cell nucleus perimeter, and the geometrical features of shape, are used for a quantitative description of microscopic objects. For a quantitative description of pathological changes in the structures the number of layers of cells in the tissue, the ratio of structural atypia, and others are used. The structure of the database, which consists of 17 main tables, is developed. The dataset is used to store information about the patient, the images obtained, isolated microscopic objects and their parts, quantitative traits microscopic.
Key words: autotissue, xenogen tissue, cytological image, histological image, database.
