Рассмотрена задача семантической сегментации изображений клеток головного мозга крыс, окрашенных трипановым синим. Для решения задачи разработана математическая модель в виде сверточной нейронной сети, основанной на архитектуре U-Net с глубиной свертки равной 4. В результате исследований лучшая модель имеет метрику 0,8513 (коэффициент Дайса) на тестовой выборке и точность определения живых клеток составляет 98,62 %. Рассмотрено возможное будущее улучшение текущих моделей за счет изменений в архитектуре сверточной нейронной сети и подбора гиперпараметров для оптимизаторов.
This article discusses the problem of semantic segmentation of images of rat brain cells stained with trypan blue. To solve the problem a mathematical model was developed in the form of a convolutional neural network based on the U-Net architecture with a convolution depth of 4. The result of applying the selected model according to metric Dice is 0.8513, according to the accuracy of detecting the number of living neurons is 98.62 %. A possible future improvement of the current models due to small changes in the architecture of the convolutional neural network, the selection of hyperparameters for optimizers.