Вверх

Безлинзовая голографическая трихоскопия и трихометрия

Градов О.В.1, Насиров Ф.А.1, Гончарова А.А.2, Фищенко В.К.2, Яблоков А.Г. 3

1 Лаборатория биологического воздействия наноструктур (005), ИНЭПХФ РАН им. В.Л. Тальрозе; 119334, В-334, Москва, Ленинский пр., д. 38, кор. 2

E-mail: gradov@chph.ras.ru / gradov@center.chph.ras.ru

2 Тихоокеанский океанологический институт им. В.И. Ильичева ДВО РАН, Лаборатория анализа океанологической информации, 690041, Владивосток, ул. Балтийская, д. 43

3 Государственное бюджетное учреждение здравоохранения города Москвы «Инфекционная клиническая больница №2 Департамента здравоохранения г. Москвы»

105275, Москва, 8-я ул. Соколиной Горы, д. 15


Краткое содержание

Предлагается новый принцип дифференциального трихоморфологического анализа и диагностики на чипе. Данный принцип может быть рассмотрен как переход от трихоскопа к метрологически-эффективному трихометру, основанному на голографической лазерной, в частности безлинзовой голографической технике. Помимо получения изображения в тех или иных проекциях под разными углами, данный подход даёт возможность измерений с использованием ортогональных преобразований, в частности – с использованием FFTW-библиотеки на базе программных продуктов типа QAVIS и KSA. С помощью создаваемой техники возможно регистрировать (и, при накоплении статистики, диагностировать) такие микроморфологически-аномальные состояния, как трихонодоз, трихоптилоз, трихонорез, аллотрихия, трихоклазия (в том числе – идиопатическая трихоклазия), а также некоторые мезоморфологические девиации (такие, как булавовидные, штыковидные, петлеобразные, узловатые волосы). Кроме того, параллельно реализуем сканнинг профиля особенностей и рельефа подлежащей кожи (например – детектирование невусов).

Создаваемая технология неповреждающего голографического микроморфологического анализа может иметь также применения в исследовательской практике, а не только для клинической диагностики или профилактической медицины. Возможно совмещение схем безлинзовой голографической трихометрии на чипе с иными методами безлинзовой микроскопии на чипе – такими, как безлинзовая интерференционная микроскопия, безлинзовая некогерентная голография на чипе и внеосевая микроголография на чипе, безлинзовая поляризационная микроскопия и безлинзовая микроскопия дифференциального интерференционного контраста. Принципы расширения пула физических переменных, параметров, задействованных в формировании изображения как аналитического сигнала позволяют получить дополнительные факторы в биостатистику диагноза или дополнительные дескрипторы в базы данных идентификации нормальных и «патоморфологических» состояний объекта.


Введение

До настоящего времени не только в клинической трихологии, но и в определяющей этиологию заболеваний волос экспериментальной и лабораторной трихологии [1], имеется нехватка качественных методов идентификации и валидации ряда диагнозов. Диагностика на количественно-аналитическом уровне существенно затруднена в силу трудности ввода референсных значений нормы и отклонений [2] в компьютерные экспертные системы, что требует, в идеальном случае, связанном с автоматическим распознаванием образов, также сопоставления наиболее общих морфологически выявляемых характеристик заболеваний (так называемых дескрипторов) с соответствующими диагностируемыми классами путём машинного обучения (supervisedlearning). В то же время, доныне отсутствуют технологии аналитической микроскопии волос в унифицированных по калибровке условиях, что было бы достаточно для создания ценной для специалистов-трихологов системы компьютерной диагностики состояния волос.

Основная масса диагнозов ставится по трихоскопическим, а не трихометрическим данным [3], что улучшает скорость диагностики [4], но не улучшает метрологическую достоверность получаемых данных и следующего из них диагноза; или, иными словами, набор метрологических данных, выдаваемых современными средствами анализа трихограмм (плотность волос на квадратный сантиметр в андрогензависимой и андрогеннезависимой зонах; процент толстых пигментированных и пушковых волос; ряд морфометрических измерений, зачастую ограничиваемых диаметром волос; количество и процент тонких, толстых и средних по диаметру волос) не является универсальным либо достаточным для всех типов потенциально диагностируемых состояний, в особенности – для индивидуального детектирования патологий отдельных волос на ранних стадиях того или иного патологического процесса.

Таким образом, последнее слово остаётся за врачом, а не за автоматической экспертной системой, не играющей определяющей роли в данном типе диагностики (а зачастую – в принципе отсутствующей в программном пакете целого ряда современных трихоскопов, выводящих регистрограммы на компьютер), что приводит к сохранению большой роли субъективных суждений и оценок в постановке диагноза.

При этом, существующие методы, допускающие объективную количественную либо полуколичественную оценку параметров волос, являются достаточно трудоёмкими, в силу чего практически не используются множеством специалистов, которые могли бы извлечь из соответствующих данных диагностическую информацию. Как пример этого, возможно привести мультиспектральную поляризационную микроскопию [5] и основанную тоже на использовании системы с призмами – поляризаторами микроскопию дифференциального интерференционного контраста (DIC) с оптикой Номарского / Плуто, а из опосредованных систем морфометрической диагностики – импринт-методы [6].

Следует подчеркнуть, что в большинстве точных микроскопических методов глаз опытного диагноста недостаточен, по определению, для детектирования различий между нормой и патологией или различий меж пограничными состояниями волоса. Более того, даже компаративная трихология [7] с человеко-опосредованным сопоставлением клинических микрофотографий [8] не может быть использована, когда речь идёт о едва различимых изменениях цветовых градиентов в поляризационной микроскопии. Здесь нужно прибегать к методам микроколориметрии на цифровых изображениях и микрофограмметрии с восстановлением 3D структуры волоса, как это делается в субмиллиметровых лазерных измерениях деформаций [9], электронной сканирующей / растровой микроскопии [10]. Однако столь высокотехнологичные системы в трихологии являются экзотикой и фактически не используются в силу их экстремальной стоимости. В силу отсутствия спроса на указанные системы, вполне очевидно, что для них не существует трихологических баз данных для машинного распознавания образов в ходе компьютерно-опосредованной диагностики, а также даже простейших экспертных систем, позволяющих работать в полуавтоматическом диалоговом режиме. Преодоление данного состояния дел, препятствующего внедрению современных методов высокотехнологичной диагностики в трихологии, видится в создании систем, являющихся одновременно весьма информативными для целей диагностики (и, следовательно, физически и алгоритмически сложными) и достаточно дешевыми и доступными среднему персоналу без технического или физического образования (то есть – робастными). Попытки упрощения и удешевления технологий медицинской диагностики путем внедрения в массовое производство целиком аналогичных комплексным системам установок, но с более примитивными узлами низкой себестоимости, являются неработающим паллиативным решением, поскольку не приводят к достаточной простоте для персонала и понижают метрологическую точность измерений, препятствуя корректной диагностике, одновременно.

1
Рис. 1: Элементарное техническое воплощение безлинзовой микроскопии, в том числе – голографической, может быть не сложнее устройства веб-камеры со снятым объективом. Контактная топология эксперимента предполагает непосредственное нанесение образца / аналита на сенсор. Многоугловые лазерные источники на изображениях не показаны.

Иными словами, диагностической трихометрии необходима серендипная инновация (что не раз срабатывало в трихологии как достаточно интуитивно-понятной систематике и ранее [11]), позволяющая перейти в массовом порядке от анамнеза и осмотра к полностью объективному мультипараметрическому машинно-опосредованному диагнозу. Микроскоп / трихоскоп, трёхмерно-реконструирующий и автоматически идентифицирующий в своём программном обеспечении структуры волос, должен быть настолько сложен, чтобы иметь возможность проводить соответствующие типы анализа, вплоть до микроколориметрии и псевдоспектрального анализа (в биохимических целях) волос, и настолько прост, чтобы не отпугивать потенциального потребителя – врача-трихолога, являясь автоматизированным настолько, насколько это позволит упростить и ускорить работу последнего... но не более. В противном случае: прибор становится столь массовым демократизированным средством (как глюкометр), что выходит из под контроля квалифицированных специалистов, давая в массовых вариантах простор для спекулятивной диагностики, не несущей ценности ни для профилактики, ни для возможно требующегося лечения.

Иными словами, 3D-трихоскопия или голографическая / томографическая трихоскопия высокого разрешения с функциями машинной идентификации (deeplearning), но без сложных оптических / оптомеханических схем является идеальной для внедрения в качестве диагностического средства трихологии массового применения. Эти функции одновременно обеспечивает только один тип систем системы безлинзовой (то есть, по определению, не содержащие оптического тракта либо сложной оптомеханики) оптической голографии на чипе [12] и томографии [13] на чипе с автоматической идентификацией объектов по данным высокоразрешающей микроскопии, получаемых на этих установках [14]. Конструкция этих устройств настолько проста, что их использование и даже изготовление может быть осуществлено человеком без физического или инженерного образования.

Чтобы читатель мог представить себе конструкцию такого прибора, на рис. 1-а приведена схема контактной оптической такого прибора, а на рис 1-б – пример работы его с образцами в капельном состоянии. CMOS-сенсор, который лежит в основе данного устройства, эквивалентен КМОП-матрицам (CMOSarrays), используемым в веб-камерах (рис. 1-в) или цифровых аппаратах (рис. 1-г). Поэтому воспроизведение как безлинзовой микроскопии, так и голографической безлинзовой микро-трихоскопии на той же основе не представляет труда даже для неспециалиста в области лазерной микроскопической или же голографической оптики. Однако, как видно из илл. 1, основной тип анализа в системах такого рода относится к жидким аналитам (кровь, моча и т.д.) и частично упорядоченным средам. В то же время ничто не мешает внедрению их для анализа в реальном времени (insitu) и безо всякой предварительной пробоподготовки нежидкостных аналитов, к которым могут быть, в частности, отнесены волосы и эпидермис.


Методы и материалы

Нами для задач анализа волос был адаптирован безлинзовый микроскоп собственной сборки с возможностью работы в иммерсионном и «сухом» режиме в R, G и B диапазонах, в том числе – с возбуждением лазерными диодами соответствующих длин волн (R – 650–660 нм; G – 510–530 нм либо 532 нм для твердотельного лазерного источника с диодной накачкой, DPSS; B – 445 нм или 405 нм). Измерения производились в шлирен-режиме, т.е. в «теневой» геометрии измерений. При этом точные фотометрические измерения не было возможным производить, однако достигавшееся контрастирование было оптимальным для последующей бинаризации изображения и проведения корреляционно-спектрального или сканирующего коррелографического анализа, выявлявшего классы отдельных состояний и изменений волос. Были апробированы несколько программных продуктов для измерений: GUI собственной разработки под MATLAB и LabVIEW, отечественные распространяемые по лицензии freeware программные продукты KSA и QAVIS (разработки ТОИ ДВО РАН), применяемые для обработки космических изображений и дистанционного зондирования земли из космоса [15], однако основанные на применении ортогональных преобразований, используемых и при анализе микроскопических изображений [16]; AM Lab Hesperus (Rus). Наилучшие метрологические и эргономические качества показало ПО QAVIS (ДВО РАН), поэтому нижеприводящиеся референсные индикаторы получены с его помощью. Контуры референсных значений получались для нормальных волос и для микрофотографий волос с повреждениями и патологиями. Были испробованы методы получения голограмм полного (широкоаппертурного) диапазона и с так называемой аподизацией – процедурой, ведущей к изменению распределения интенсивности в дифракционном изображении светлых точек в пространстве образца. Также была апробирована методика виртуальной дифракционной маски, при которой используется свертка изображения с генератором паттерна или сеткой пикселей развертки (см. рис. 2).


2
Рис. 2: Примеры использования адаптивных (по изолиниям освещенности – по изофотам) пиксельных биннинговых (объединяющих группы пикселей) дифракционных масок.

Результаты

Изначально были получены таблицы референсных значений переменных и графики с аннотированными численными значениями для каждой точки измерений. Как следует из таблицы 1, наборы дескрипторов, свойственные различным патологиям волос (на примере трихоклазии, трихонодоза и трихоптилеза) неэквивалентны и, как следствие этого, данные патологии могут быть морфологически отличены и дифференциально-диагностированы с использованием данных дескрипторов. Далее производилась безлинзовая микроскопия на контактном чипе с идентификацией вероятных патологий с использованием базы данных дескрипторов, полученных на первом этапе. Пример результатов мультипараметрической идентификации голографических регистрограмм волос приведен в таблице 2.

Ниже приводятся голографические проекции, выполненные методами с аподизацией. К сожалению, визуализация трёхмерной структуры голографических микрофотографий с цифровым безлинзовым методом регистрации не может быть реализована на двумерном – бумажном носителе, поэтому речь идёт об отдельных аподизированных диагностических паттернах, а не о голограммах в целом, хотя визуализация 3D-структуры на основе файлов регистрограмм также возможна, как это можно видеть из рис. 3, 4. Более того, необходимо отметить, что преимущество данного метода заключается не в возможности улучшенного морфологического отображения с повышенными резольвометрическими параметрами, а в возможности извлечения вышеуказанными алгоритмами диагностического результата при морфологически-недостаточном количестве и качестве данных, поскольку в таком случае выигрыш метода достигается за счёт метрологии спектрально-корреляционного анализа и «голографичности» исходного набора изображений.


Таблица 1: Возможности корреляционно-спектральной диагностики в трихологии на чипе с использованием голографической безлинзовой трихоскопии и скалеографии.

Трихоклазия Трихонодоз Трихоптилоз
3
Двумерный Фурье-спектр (периодограммная оценка спектральной плотности мощности [PSD – Power Spectrum Density])
4
Интегральная пространственная характеристика (ИПХ): распределение спектральной энергии по угловым секторам, дающее представление о наличии, степени выраженности и характере анизотропии структурных элементов микрофотографии / регистрограммы.
5
Интегральная частотная характеристика (ИЧХ): распределение спектральной энергии в системе концентрических колец, дающее представление о среднем распределении структурных элементов изображения по частотам (периодам, «размерам»).
6
Логарифмический двумерный Фурье-спектр (логарифмическая периодограммная оценка спектральной плотности мощности).
7
Интегральная пространственная характеристика (ИПХ), рассчитанная по логарифмическому спектру.
8
Интегральная частотная характеристика (ИЧХ), рассчитанная по логарифмическому спектру.
9
Вейвлетограмма – двумерное полутоновое отображение непрерывного вейвлет-преобразования линейных сечений микрофотографии / регистрограммы голографического безлинзового микроскопа, позволяющее отслеживать изменения спектрального состава сигнала вдоль сечения. Удобна для обнаружения, пространственной локализации и анализа переходных, непериодических или статистически неоднородных составляющих изображения, к каковым относятся дескрипторы ряда патологий.
10
Автокорреляционные функции голографических проекций волос.
11
Автокорреляционные функции голографических проекций волос при использовании режима N-кратной аподизации.
12
Рис. 3: Трёхмерное отображение структуры волоса, предположительно, со склонностью к излому (трихонорез). Метод регистрации: безлинзовая голографическая 3D-микроскопия.
13
А) Одна из проекций голограммы нормального волоса. Видна интерференция света (пучка лазера) на нем.
14
Б) Верхняя проекция интерференционного поля волоса. 
15

В) Нижняя проекция интерференционного поля волоса.
Рис. 4: Интерференционная структура голограммы участка волоса (с аподизацией). По данным интерференционной микроскопии можно реконструировать объём объекта (волоса).

Таблица 2: Голограммы некоторых типов волос в норме и при патологии.

16
Голограмма нормального волоса на удалении от луковицы
Нормальный волос. Вид из точки выхода из кожи на поверхность (близ луковицы)
17
Трихонорез Узловатость волос
18  
Трихоптилоз Петлеобразность (трихонодоз) и элементы трихокинеза дистрофического волоса
19   
Трихоклазия  Узловатая трихоклазия
20
Булавовидный волос. Вероятное следствие интоксикации солями тяжелых металлов или раздавливания

Вероятно – штыкообразный волос    

21
Облом волос на одном уровне. Вероятна идиопатическая трихоклазия

Гиперемия кожи у пациентов в местах поражения трихоклазией

22  
Аллотрихия, характеризующаяся спирально закрученными волосами, плохо выявляется голографическим методом из-за различия в расстояниях между сенсором и различными точками волоса (слабая визуализация фазы)

Край волоса инкрустирован – дескриптор возможного грибкового поражения

23
Врастание волоса Несколько волос из одной точки. Тот же характер спектрально-корреляционных данных характерен для пучкообразных волос, кроме ряда минорных переменных
24  
Классический источник оптических артефактов – увеличение оптической плотности в точках соприкосновения волос. При дифференциальной диагностике в ряде методов безлинзовой микро- / трихо- скопии может являться источником ошибок, если не принимать во внимание дифракционные её дескрипторы (см. ниже). Иначе возможно ложно-положительный диагноз узловатости Проблема дифференциального диагноза в голографической безлинзовой трихскопии сопряжена с измерением корреляционных величин. В противном случае, например, данный кадр может рассматриваться и как обычное проявление узловатости волос, и как феномен «бамбуковидности волос» с инвагинационной ломкостью (trichorrexis invaginata)


Таблица 3: Фокусная колокализация дерамтологических и трихологических данных при сканировании безлинзово-голографическим трихоскопом, надетым на бритвенный станок.

25
Нормальный невус Гормональные прыщи и невусы, из которых растут нормальные волосы
26
Гормональные прыщи при перефокусировке пучка на голографической трихограмме


Таблица 4: Дифракционные характеристики / спектры голографических трихограмм. 

Несколько типов Фурье-спектров разных по регулярности структур с многими дифракционными максимумами
27
Различные типы пересечений волос, часто встречающихся в файлах голографических сканирующих трихограмм  
28
Перпендикулярный тип
29
Ортогональный тип
30
Неортогональный тип (острый угол). Может быть источником артефактов диагностики на трихонодоз
31
Множественное тригонометрического типа

Как показывает практика, при достаточных характеристиках лазерного пучка могут быть достаточно интересны данные по более глубокому исследованию не только волос, но и кожного покрова, подлежащего им, в силу чего, в целях комплексного диагноза, логично анализировать колокализацию патологий волос и состояния кожи. В таблице 3 приведены результаты фокусной колокализации дерамтологических и трихологических данных при сканировании безлинзово-голографическим трихоскопом, надетым на бритвенный станок. Источником артефактов в данном случае могут становиться наложения множества волос и точек на поверхности кожи, а также растры, как показано в табл. 4, поскольку это смещает спектры и микродифракционные характеристики, лежащие в основе автоматизированной диагностики. В настоящее время в рамках разработки ПАК «Кватернион» ищется решение данной проблемы, состоящее в использовании многих безлинзовых сенсоров, снимающих сигнал с различных углов. Компаративные измерения дифракционных характеристик под разным углом и анализ угловых дескрипторов являются в рамках исследований и системы испытаний программно-аппаратных комплексов схемы «Кватернион» одним из немногих возможных решений проблемы. Впрочем, это является, с физических позиций, одним из неотъемлемых атрибутов многоосевой голографической трихоскопии.

Ответом на возникающие сложности диагностики, связанные с неоднородностью объекта исследований как предмета корреляционно-спектрального анализа, может являться то, что идея применения двумерных спектров Фурье и дескрипторов типа ИПХ и ИЧХ для задач распознавания структурных элементов на изображениях («diffraction pattern sampling for pattern recognition»), начиная с пионерских работ 1970-х гг. Лендариса и Стэнли, как правило, не ограничивается структурно-однородными или стохастическими объектами, но подходит и для количественного распознавания структурно-обособленных детерминированных объектов. В случае использования программ типа QAVIS вычисление «признаков Лендариса» (ИЧХ и ИПХ) осуществляется чисто цифровым путём – без DPSS-системы с матрицей угловых и кольцевых фотоприемных элементов, которая устанавливалась в плоскость формирования дифракционной картины (2D Фурье спектра) от записанного на эмульсионный носитель (фотопленку или фотопластинку) изображения. В раннее время данный процесс являлся, в силу аналогового характера имплементации, весьма низкоскоростным – микрофотография (в формате негативной фотопластинки) устанавливалась в кювету в начальной плоскости лазерно-оптической системы, после чего (в полной фотоизоляции) в фокальной плоскости регистрировалась (уже на другую фотопластинку) дифракционная картина – фактически двумерная спектральная плотность мощности исходного изображения, а затем пластинка высушивалась и анализировалась на микроденситометре. В советской имплементации (на базе ДВГУ), в рамках тематики разработки оптических процессоров на подобной основе, сканирование Фурье-спектра с помощью системы точного позиционирования на шаговых двигателях (под управлением программы под микроЭВМ «Электроника-60») занимало не менее двух часов, а весь цикл обработки (от приготовления фотопластинки с исходным изображением до получения результата) от одного до двух рабочих дней. В описываемой в статье имплементации программа QAVIS воспроизводит эту методику в намного более точном цифровом виде десятки раз в секунду (например, на стандартном ПК – от 8 раз в секунду при размере области анализа 1024х1024 пикселя до 30 раз в секунду при размере ROI (Region of Interest) в 512х512 пикселей). В ней можно быстро формировать геометрию маски признаков Лендариса под конкретный класс изображений, благодаря чему является возможным сепарация растровой компоненты, как это показано на рис. 5. Программы для анализа признаков Лендариса уровня QAVIS поддерживают средства пространственно-частотной фильтрации, реализующие удаление дифракционных экстремумов максимумов в частотной области исходного изображения и, тем самым, улучшение восприятия самой базовой текстуры трихограммы. Так, в QAVIS построен низкочастотный фильтр, который обрезает частоты выше заданной частоты среза, в том числе и дифракционные максимумы (см. исходный и преобразованный спектры), а в ПО KsaImage есть возможность вырезать только дифракционные максимумы, оставляя в изображениях остальные высокочастотные компоненты. Таким образом, описываемая технология анализа микротрихограмм является не только репрезентативной и робастной, но и артефактоустойчивой.

32

Рис. 5: В ПО QAVIS построен низкочастотный фильтр, которые обрезает все частоты выше заданной частоты среза, в том числе и дифракционные максимумы.


Выводы

Из приведенного графического материала можно видеть, что микроголографические безлинзовые трихоскопы с перестраиваемым масштабом изображения способны выдавать информацию, достаточную для идентификации некоторых патологий как по первичным регистрограммам (изображениям / проекциям цифровых голограмм), так и по вторичным распределениям дескрипторов (ИЧХ – интегральным частотным характеристикам; ИПХ – интегральным пространственным характеристикам; вейвлетограммам; коррелограммам), с использованием которых могут строиться базы данных для машинной идентификации тех или иных патологий методами компьютерного распознавания образов и фингерпринтинга, т.е. взаимно-однозначного опознавания числовых характеристик дескрипторов в образце по завершении обучения ЭВМ на диагностических выборках.


Благодарность

Авторы выражают благодарность коллегам из РНИМУ им. Н.И. Пирогова (кафедра иммунологии) за предоставление оборудования. Авторы выражают теплую благодарность коллегам из ТОИ им. В.И. Ильичева ДВО РАН и ДВГУ / ДВФУ за разрешение применять разработанные ими программные продукты в наших разработках. Работа поддержана грантом РФФИ 16-32-00914.


Литература

  1. Bartosova L, Jorda V. Laboratory and experimental trichology. Current problems in dermatology. 1984;12:224-38.

  2. Rebora A, Guarrera Phar M, Drago F, Rossi A, Fortuna MC, D'Ovidio R, Chieco P, Piraccini BM, Starace M. Setting reference values in trichology. International journal of dermatology. 2016;55(1):e7-e10.

  3. El Asz Sigall D. Trichology and tricoscopy. Dermatología Cosmética, Médica y Quirúrgica. 2017;15(4):220-1.

  4. Elghblawi E, Tripoli L. Tricoscopy findings in tinea capitis. A rapid method of diagnosis. European Journal of Pediatric Dermatology. 2016;26(2):71-4.

  5. Marliani A, Gigli P, Salin M. Trichological microscopy in polarized light. Journal of the European Academy of Dermatology and Venereology. 1997;1001(9):S126.

  6. Schell H, Deinlein E, Haneke E, Schaidt G. Demonstration of the hair cuticle by imprint technique-a simple method for investigation of the hair surface in routine trichological practice. Zeitschrift fur Hautkrankheiten H&G. 1986;61(16):1161-4.

  7. Joshi HR., Gaikwad SA, Tomar MPS, Shrivastava K. Comparative trichology of common wild herbivores of India. Advances in Applied Science Research. 2012;36:3455-8.

  8. Ashique KT, Kaliyadan F. Clinical photography for trichology practice: Tips and tricks. International journal of trichology. 2011;3(1):7-13.

  9. Tutsch R, Ritter R, Ispas D, Petz M, Casarotto L. Microphotogrammetry for 3D strain measurement and microassembly control. Microsystems Engineering: Metrology and Inspection. 2001;4400:27-36.

  10. Hemmleb M, Albertz J, Schubert M, Gleichmann A, Köhler JM. Digital microphotogrammetry with the scanning electron microscope. International Archives of Photogrammetry and Remote Sensing. 1996;31:225-30.

  11. Yesudian P. Serendipity in trichology. International journal of trichology. 2011;3(1):1-2.

  12. Su TW, Isikman SO, Bishara W, Tseng D, Erlinger A, Ozcan A. Multi-angle lensless digital holography for depth resolved imaging on a chip. Optics express. 2010;18(9):9690-711.

  13. Isikman SO, Bishara W, Mavandadi S, Frank WY, Feng S, Lau R, Ozcan A. Lens-free optical tomographic microscope with a large imaging volume on a chip. Proceedings of the National Academy of Sciences. 2011;108(18):7296-301.

  14. Rivenson Y, Göröcs Z, Günaydin H, Zhang Y, Wang H, Ozcan A. Deep learning microscopy. Optica. 2017;4(11):1437-43.

  15. Goncharova AA, Fischenko VK, Dubina VA. [Use the express-analysis program QAVIS for the satellite monitoring]. [Current problems in remote sensing of the Earth from space]. 2012;9(3):293-8. [in Russian]

  16. Grudin BN, Kislenok EG, Plotnikov VS, Fishchenko VK. Analysis, filtering, and decomposition of electron microscope images based on orthogonal transformations. Optoelectronics, Instrumentation and Data Processing. 2007;43(1):18–27. 

  

Укороченная версия статьи: Градов О.В., Насиров Ф.А., Гончарова А.А., Фищенко В.К., Яблоков А.Г. Технологии безлинзовой голографической трихоскопии и трихометрии на чипе […]. Морфологiя 12, 2 (2018), 7–21.

 

[4566]

Комментарии

  • Facebook
  • Вконтакте