Помощь в учёбе, очень быстро...
Работаем вместе до победы

Автоматизация обработки изображений твердотельных наноструктур и биологических клеток в сканирующей зондовой и световой оптической микроскопии

Диссертация: Автоматизация обработки изображений твердотельных наноструктур и биологических клеток в сканирующей зондовой и световой оптической микроскопии
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Появление новых материалов, таких как, например, полупроводниковые гетероструктуры с квантовыми точками и алмазоподобные пленки, являющихся элементной базой для приборов новых поколений, ставит задачу получения специфической количественной информации об их структуре в нанометровом диапазоне. Определение количественных параметров объектов позволяет ввести их строгую классификацию, упорядочивать… Читать ещё >

Содержание

  • ЛАВА
  • Специфика цифровой обработки изображений при визуализации шкро и нанообъектов (Обзор литературы)
  • 1. Современные аспекты машинного зрения и автоматизации обработки зображений
  • 2. Принципы, приборы и методы Сканирующей Зондовой Микроскопии
    • 1. 2. 1. Принципы работы Сканирующего Туннельного Микроскопа
    • 1. 2. 2. Режимы работы СТМ
    • 1. 2. 3. Принцип работы Атомно-Силового Микроскопа
    • 1. 2. 4. Специфика визуализации поверхностей в СЗМ
    • 1. 2. 5. Задачи обработки изображений в современных СЗМ исследованиях
  • 3. Исследования биологических клеток в световой оптической икроскопии
  • 4. Выводы и постановка задачи
  • ЛАВА 2. еоретические и вычислительные аспекты количественного пределения параметров изображений микро и нанообъектов. ведение
  • 1. Метод структурного распознавания контурных изображений по орфологическим признакам
  • 2. Методы спектрального и корреляционного анализа в применении к оличественной характеристике изображений
    • 2. 2. 1. Определение параметров пространственной упорядоченности элементов изображений методом статистического спектрального анализа
    • 2. 2. 2. Схема линейной фильтрации и исследования изображений в частотной области
    • 2. 2. 3. Расчет плотности распределения размеров элементов изображения по спектральной плотности изображения
    • 2. 2. 4. Исследование изображений с помощью авто-корреляционной функции
  • Определение геометрических параметров изображения методом корреляционного сравнения с эталоном
    • 2. 2. 5. Коррекция геометрических искажений регулярных изображений с помощью преобразования Фурье
  • ЛАВАЗ ервичная обработка, спектральный и корреляционный анализ
  • ЗМ изображений микро- и нанообъектов. ведение
    • 1. Специфика результатов визуализации в СЗМ эксперименте
  • 2. Описание пакета программ обработки СЗМ изображений
  • 3. Коррекция пространственных искажений СЗМ изображений, связанных слинейностью работы сканера
  • 4. Количественное определение топографичеких характеристик нанообъектов етодами спектрального и корреляционного анализа
  • 3. 4.1. Обработка СЗМ-изображений ансамблей нанообъектов на поверхностях гетероструктур

3 .4.2. Обработка СЗМ-изображений алмазоподобных пленок. ервичная обработка, структурно-лингвистический и орреляционный анализ изображений биологических объектов в зетовой оптической микроскопии ведение

1 Классификация лейкоцитов по форме ядра.

2 Исследование тканевых срезов почек.

Основные результаты работы. итература

Автоматизация обработки изображений твердотельных наноструктур и биологических клеток в сканирующей зондовой и световой оптической микроскопии (реферат, курсовая, диплом, контрольная)

Использование приборов, способных «видеть» и некоторым образом «осмысливать», то есть структурировать, описывать, измерять, интерпретировать «увиденное», актуально в различных областях науки. В физике и биологии широко применяются приборы, способные визуализировать микрои нанообъекты. Их традиционно называют микроскопами. В основе создания микроскопических изображений могут лежать различные физические принципы, например, законы классической оптики в световом оптическом микроскопе и квантово-механический туннельный эффект в сканирующем туннельном микроскопе (СТМ). Последний принадлежит к более широкому классу сканирующих зондовых микроскопов (СЗМ). Несмотря на различную природу контраста, а также на различное пространственное разрешение (у светового оптического микроскопа оно ограничено длиной волны излучения, а СТМ может достигать атомного разрешения), оба типа микроскопов имеют на выходе изображение объектов в виде двумерного цифрового массива, что позволяет использовать методы цифровой обработки изображений (ЦОИ) при исследовании и описании микрои нанообъектов.

Появление новых материалов, таких как, например, полупроводниковые гетероструктуры с квантовыми точками и алмазоподобные пленки, являющихся элементной базой для приборов новых поколений, ставит задачу получения специфической количественной информации об их структуре в нанометровом диапазоне. Определение количественных параметров объектов позволяет ввести их строгую классификацию, упорядочивать объекты относительно определенной меры, сравнивать результаты различных экспериментов (в частности, процессов роста и самоорганизации при молекулярно-пучковой эпитаксии). СЗМ является одним из самых мощных современных средств исследования с нанометровым пространственным разрешением, что обуславливает актуальность создания методик автоматической количественной параметризации СЗМ изображений.

В биологии традиционными являются исследования с помощью светового оптического микроскопа. Изображения биологических объектов обычно несут сложную морфологическую информацию, что определяет важность создания гибких средств автоматического описания структуры, формы, и классификации объектов на основе этого описания.

Проведение исследований на современном уровне предполагает использование различных методов визуализации, что позволяет изучать образцы в широком диапазоне пространственных масштабов, сравнивать результаты, полученные различными методами, и обеспечивает в итоге адекватную интерпретацию получаемых изображений. Так, уже созданы и активно применяются методики исследования биологических объектов с помощью СЗМ. Прогрессивным направлением в настоящее время является создание многофункциональных приборов, состоящих из набора различных микроскопов (например, светового оптического и сканирующего зондового), что определяет актуальность разработки программных комплексов, объединяющих методы обработки изображений, полученных различными способами.

Объединение в контекст одного программного комплекса методов обработки различных изображений позволяет рассматривать их в рамках единых математических моделей, что обеспечивает новый уровень количественной информативности проводимых исследований. Актуальность развития средств обработки изображений связана также с тем, что аналитические возможности современных приборов во многом определяются качеством и функциональностью их программного обеспечения.

Положения, выносимые на защиту.

1. Статистическая оценка пространственного спектра изображения и вычисление максимального интервала корреляции изображения предоставляют количественные параметры меры упорядоченности нанообъектов на СЗМ-изображениях.

2. Вычисление спектра пространственных частот цифрового изображения количественно определяет распределение латеральных размеров ансамблей квантовых точек на СЗМ-изображениях.

3. Алгоритм структурно-лингвистического распознавания образов обеспечивает классификацию лейкоцитов крови по морфологическим признакам.

4. Анализ спектра пространственных частот СЗМ изображения тестового объекта с регулярной двумерной структурой позволяет осуществить автоматическую коррекцию геометрических искажений на СЗМ изображениях.

5. Алгоритм удаления поверхности второго порядка с адаптивным выбором площадки усреднения обеспечивает выделение тонкой структуры на СЗМ-изображениях.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ.

1. Разработан комплекс методов автоматизации обработки микроскопических изображений. В работе рассматриваются изображения, имеющие в своей основе различные методы контрастирования: а) метод световой оптической микроскопииб) метод сканирующей зондовой микроскопии. Образцы, на которых были проведены исследования, имели различную природу: кристаллические и не кристаллические твердотельные материалы, биологические клетки. Разработанный комплекс включает методы, осуществляющие следующие функции. а) Автоматическую коррекцию приборных искажений СЗМ-изображений, которые возникают в результате нелинейности перемещения узла сканирования. Коррекция осуществлена путем анализа геометрии пространственных спектров участков СТМ изображения тестового объекта, имеющего регулярную структуру. б) Улучшение качества микроскопических изображений и подавление характерных типов шумов с учетом механизмов формирования изображений и природы контрастирования. в) Количественная параметризация структуры изображения и его отдельных элементов. Система параметров включает следующие характеристики:

• синтаксическое описание структуры изображения и деталей его морфологии в терминах элементарных подобразов;

• статистическое распределение размеров элементов изображений, полученное с помощью вычисления спектральной плотности изображения и решения обратной задачи;

• величины и пространственная ориентация периодичности повторения элементов изображения;

• плотность расположения элементов на изображении;

• мера упорядоченности элементов изображений, на которых присутствует дальний или ближний порядок.

2. Осуществлена программная реализация разработанных методик.

3. Произведены исследования реальных микроскопических изображений: а) получены распределения вероятностей размеров нанообъектов на гетероэпитаксиальных поверхностях при различных параметрах разориентации подложки, а так же распределения размеров кластеров алмазоподобных пленок на основании данных СЗМ визуализации различных образцовб) произведено количественное сравнение степени упорядоченности ансамблей квантовых точек на гетероэпитаксиальной поверхности при различном количестве монослоев, напыленных в процессе молекулярно-пучковой эпитаксии. Получены параметры пространственной упорядоченности ансамблей квантовых точек и плотность их расположения на поверхностив) осуществлена автоматическая классификация лейкоцитов крови по четырем типам на основании признаков формы ядра с помощью метода структурно-лингвистического распознаванияг) произведен анализ формы сечений прямых канальцев в срезах тканей почек.

Показать весь текст

Список литературы

  1. Rosenblatt F. The Perceptron, A Perceiving and Recognizing Automatio6n // Project PARA, Cornell Aeronaut. Lab.Rep.№ 85−460−1. Jan. 1957.
  2. Ф. Принцип нейродинамики. M.: Мир, 1966.
  3. Ю.И., Баталова З.С, Васин Ю. Г., Брейдо М. Д. Распознавание образов и медицинская диагностика. М.:НаукаД972.
  4. Ю.И., Теклина Л. Г., Таранова Н. Н., Котельников И. В. Обучающаяся статистическая консультативная система. Межвузовский сборник «Динамика систем», Изд. Нижегородского ун-та, 1995. С.3−28.
  5. Н.В., Мучник И. Б. Модели зрительного восприятия и алгоритмы анализа изображений.- М.: Наука, 1974.-344стр.
  6. Kohonen Т. Self organization and associative memories. Berlin: Springer, 1984.-255p.
  7. Cho S. Pattern recognition with neural networks combined by genetic algorithm. // Fuzzy sets and Syst. vol 103, № 26 pp. 339−347.
  8. P.X., Ваткин M.E. Модели нейронных сетей в задачах распознавания образов, — Ред. ж. Изв. НАН Беларуси. Сер. физ,-техн.н.- Минск, 1999,33стр.
  9. Bertoline G.H. Visual Science: Anemerging discipline. // J. Geometry and Graphics 1988, Vol.2, № 2, p. 181−187.
  10. Jahne B. Digital Image Processing. Concepts, Algorithms and scientific Applications. Berlin: Springer-Verlag, 1993, 383 p.
  11. У. Цифровая обработка изображений Москва: Мир, 1982, книги 1,2 790 стр.
  12. Л.П. Введение в цифровую обработку изображений -Москва: Сов. радио, 1979. 312 стр.
  13. Применение методов Фурье-оптики под ред. Г. Старка. Москва: Радио и связь. 1988. 535 стр.
  14. Daubechies I Ten Lectures on Wavelets // CIAM. Philadelphia PA. 1992.
  15. H.M. Вейв-лет анализ: основы теории и примеры применения // Успехи физических наук. 1996, том 166, № 11 стр. 1145−1170.
  16. Л.В. Основы вейв-лет анализа сигналов. Учебное пособие Санкт-Петербург: ИанП РАН, 1999, 151 стр.
  17. Walczak В, Bogaert В., Massart D.L. Application of Wavelet Packet transform in pattern recognition of near-IR data // Appl.Chem. 1996, vol.68, pp. 1742−1747.
  18. Ту Дж., Гонсалес P. Принципы распознавания образов. М.: Мир, 1978.-411 стр.
  19. Ю.И. Многомерная геометрия и распознавание образов. // Соросовский Образовательный Журнал. 1996.№ 7. С119−123.
  20. М.М. Согласованная фильтрация при зрительном восприятии и информационное согласование в иконике. // Оптический журнал, том 66 № 9, сентябрь 1999.
  21. М.М., Нестерчук А. В. Философские и информационно-методологические вопросы иконики. // Труды ГОИ-1991, том 79, вып.213. С.7−21.
  22. Фу К. Структурные методы в распознавании образов. М.:Мир, 1977,317 с.
  23. Kissov V. Using key features in pattern classification. // Pattern Recogn. Lett. vol. ll,№l, pp. 1−5.
  24. Brehm M. Mathematical aspects of the feature pattern analysis. // Classif., Data Anal, and Data Highways: Proc. 21st Annu. Conf. Ges. Classif., Potsdam, March 12−14, 1997, pp. 123−131.
  25. T Pavlidis A reviw of algorithms for shape analysis // Computer Graphics and Image Processing 1978. vol. 7, pp. 243−258.
  26. Tianming H., Hong Y. Structural primitive extraction and coding for handwritten numeral recognition. //Pattern Recognition. 1998. vol.31, #5, pp. 493−509.
  27. Tsai W. Attributed Grammar a Tool for Combining Syntactic and Statistical Approaches to Pattern Recognition. // IEEE Trans, on System, Man and Cybernetics, vol SMC-10, № 12,1980.
  28. A.K., Луцив B.P. согласованная фильтрация в естественных и искусственных нейронных сетях. // Оптический журнал, том 66, № 9, сентябрь 1999. С.69−72.
  29. Wickramasinghe Н. Scanning Probe Microscopy: Current status and future trends.// J. Vac. Sci. Technol., 1990, A8, № 1, p.363−368.
  30. Г., Popep Г. Сканирующая туннельная микроскопия от рождения к юности. Нобелевская лекция. // Успехи физических наук, том 154, вып.2, 1988 г., С. 261−277
  31. Binning G., Rohrer Н. Scanning Tunneling Microscopy. IBM J. Res. Develop., 1986, vol.30, № 4, p. 355−369.
  32. Б. М. Детлаф A.A. Справочник по физике. М.: Наука, 1981.
  33. Howland R, Bernatar L. A Practical Guide to Scanning Probe Microscopy, ThermoMicroscopes, Sunnyvale, 1996, 73 p.
  34. Адамчук B. K, Ермаков A.B., Федосеенко С. И. Сканирующий туннельный и силовой микроскопы для сверхплотной записи и считывания информации.// Электронная промышленность, № 3, 1991, С. 14−25.
  35. Kuk Y., Silverman P.J. Scanning Tunneling Microscope Instrumentation. // Rev. Sci. Instrum. vol.60, № 2, February 1989, P. 165−181.
  36. Gwo S., Shih C.K. Site selective imaging in scanning tunnelling microscopy of graphite: the nature of site asymmetry. // Phys. Rev. В., vol 47, № 19,1993, P. 13 059−13 062.
  37. Feenstra R.M., Strocio J.A., Tersoff J., Fein A.P. Atom-selective imaging of GaAs (llO) surface. Phys. Rev. Lett., vol. 58 № 12,1987, P. 1195−1199.
  38. Binnig G., Quate C.F., Gerber C. Atomic Force Microscope. // Phys. Rev.Lett., vol. 56,№ 9,1986, P.930−933.
  39. Mathew C.M., Lorenz M.R. Atomic Force Microscopy of Polymeric Liquid Films. // J. Chem. Phys. vol.90 № 12, June 1989, P.7550−7555.
  40. Wiesenhorn A.L., Hansma P.K., Albrecht T.R., Forces in Atomic Force Microscopy in Air and Water. // Appl. Phys. Lett, vol 54, № 26, 1989, P.2651−2653.
  41. С.И., Моисеев Ю. Н., Никитин Н. И., Савинов С. В., Яминский И. В. Сканирующий туннельный микроскоп «Скан»: конструкция и область применения. //Электронная промышленность, 1991 № 3, С.36−39.
  42. Wiesendanger R. Scanning Tunneling Microscopy. Berlin, Springer, 1995.349 р.
  43. Park S., Barrett R.C., Design Considerations for an STM System. // Methods of Experimental Physics, vol.27- Scanning Tunneling Microscopy, Ch.2, P. 31−76.
  44. Сканирующая зондовая микроскопия биополимеров. Учебное пособие под ред. И. В. Яминского. М.:Научный Мир, 1997.
  45. Unser М, Trus В, Steven А.С. A new resolution criterion, based on signal-to-noise ratios.// Ultramicriscopy № 23,1987, P. 39−52.
  46. Pohl D.W. Some design criteria in scanning tunnelling microscopy. // IBM J. Res. Develop., vol. 30 № 4, 1986, P. 417−427.
  47. С.И., Леонов В. Б., Панов В. И. Сканирующий туннельный микроскоп для исследований структурно неоднородных поверхностей // Письма в ЖТФ. 1987. том 13, вып.15, С. 937−941.
  48. Barret R.C., Quate C.F. Optical Scan-correction System applied to Atomic Force Microscopy.//Rev. Sci. Instrum. vol 62, № 6,1991, p. 1393
  49. Griffith J.E., Miller G.L., Green C.A. A Scanning Tunneling Microscope with Capacitance-based Position Monitor// J. Vac. Sci. Technol., vol.8, № 6, Nov/Dec 1990, p. 2023−2027.
  50. В.Ю., Ельцов K.H. Сверхвысоковакуумный сканирующий туннельный микроскоп. Калибровка сканера и подготовка зондов in site.// Поверхность, 1998 № 2, С. 5−11.
  51. В.Ю., Ельцов К. Н. Труды ИОФАН, том 49, М: Наука, 1995, с.5
  52. Siegenthaler Н., Christoph R. In-situ scanning tunneling microscopy. -Electrochemistry in STM and related methods, ed. R.J. Behm, NATO ASI Series E: Appl.Sci., vol.184, 1990, P. 315−333.
  53. В.И., Романенко А. Я. Искажение изображений сканирующей туннельной микроскопии дрейфом узла микросканирования.// Научное приборостроение, том 1, № 1,1991, С. 96−106.
  54. А.В. Исследование механизмов создания наноструктур на поверхности твердого тела с помощью сканирующего туннельного микроскопа и микроскопа атомных сил. Дисертация на соискание степени к. ф.-м. н., 1998.
  55. Pancorbo М., Aguilar М., Anguiano Е., Diaspro A. New filtering techniques to restore scanning tunnelling microscopy images. Surface Science, vol 251/252,1991, P.418−423.
  56. Chicon R., Ortuno M., Abellan J. An algorithm for surface reconstruction in scanning tunneling microscopy.// Surf. Sci., 1987, vol. 181, № 1 /2 pp. 107−111.
  57. A.B. Сканирующая туннельная микроскопия границ раздела в гетероструктурах полупроводниковых соединений AIUBV ив атмосферных условиях. Диссертация на соискание ученой степени кандидата физ.-мат. наук, 154 стр.
  58. Д.В., Чуич В. Г. Системы автоматического регулирования.
  59. М.: Высш. школа, 1967, 137 с.
  60. Ag (lll)-(17xl7)-Cl.// Материалы совещания «Зондовая Микроскопия 1998», март 1998, стр.144−151.
  61. Kuzentsor Y.G., Konnert J. The advancement and structure of growth steps on thaumatin crystals visualized by atomic force microscopy at molecular resolution.// Surf, sci., 1999, vol. 440, pp. 69−80.
  62. Kappel М., Kuppers J. Ripening of subsurface amorphous С clusters formed by low energy He ion bombardment of graphite.// Surf. Sci., 1999, vol. 440, pp. 387−397.
  63. A.E. Кристаллизация, вызванная зародышем комбинированной структуры в переохлажденном жидком натрии. Компьютерный эксперимент // Кристаллография, 1998, том 43, № 5, с. 943−948.
  64. Young T. The classification of white blood cells // IEEE Trans, on Biomed Engineering, 1972, vol.19, № 4, pp. 291−298.
  65. Bacus W. Leukocyte Pattern Recognition // IEEE Trans, on System, Man and Cybern. 1972. vol. 2, pp. 513−526.
  66. H.A., Косых В. П., Петунии A.H. Количественный анализ миэлоидных клеток человека // Автометрия. 1989. № 2, с. 34.
  67. Zajicek G., Shoat М. On the classification of nucleated red blood cells // Comput & Biomed Res. 1983, vol. 16, № 6, pp. 553−562.
  68. Parthenis K. An automatic computer vision system for blood analysis // Microprocess. Microprogr. (Netherlands) 1990. vol.28, № 1−5, pp. 243 246.
  69. Г. Г. Медицинская морфометрия. Москва: Медицина, 1990,383 стр.
  70. B.JI., Пинчук В. Г., Исакова JI.M. Современные методы автоматизации цитологических исследований. Киев: Наукова Думка, 1988.
  71. Aus Н.М., Harms Н. Statistical evaluation of computer extracted blood cell features for screening populations to detect leukemias in Book Pattern Recognition Theory and Applications, Eds. Devijver P.A., Kittler J. Berlin: Springer-Verlag, pp.509−518.
  72. Harms H., Aus H.M. Tissue image segmentation with multicolor multifocal algorithms in Book Pattern Recognition Theory and Applications, Eds. Devijver P.A., Kittler J. Berlin: Springer-Verlag, pp.519−528.
  73. Diggs L.W. Sturn D. The Morphology of Blood Cells. Atlas Memphis, Tennesse, 1954.
  74. О.И., Абламейко C.B., Берейшик В. И., Старовойтов В. В. Обработка и отображение информации в растровых графических системах. -М., 1989, 180стр.
  75. М. Введение в теорию случайных процессов,— М.:Мир, 1972, 275 стр.
  76. Г., Ватте Д. Спектральный анализ и его приложения. -М.:Мир, 1972, Т1 316 стр., Т2 287 стр. 85.0ппенгейм A.B., Шафер Р. В. Цифровая обработка сигналов. -М.:Связь, 1979, 306 стр.
  77. Д., Мерсеро Р. Цифровая обработка многомерных сигналов. М.:Мир, 1988, 488стр.
  78. Дж., Пирсол А. Прикладной анализ случайных данных. -М.:Мир, 1991,424 стр.
  79. А.Х., Картер Д. К. Спектральное оценивание с использованием комбинированного временного и корреляционного взвешивания // ТИИЭР том 70, № 9, сентябрь 1982, стр.243−255.
  80. Р., Харт П. Распознавание образов и анализ сцен. М.:Мир, 1976,511 стр.
  81. Хорн Б.К. П. Зрение роботов. -М.:Мир, 1989, 487 стр.
  82. Cooley J.W., Tukey J.W. An algorithm for machine calculation of complex Fourier series. // Mathematics of computation, vol.19, April 1965, pp. 297−301.
  83. C.A., Дьяков Ю. Е., Чиркин A.C. Введение в статистическую радиофизику и оптику. М: Наука, 1981, 640 стр.
  84. К.С. Введение в оптику океана. Л.:Гидрометеоиздат, 1983,278 стр.
  85. В.Е. Теория вероятностей и математическая статистика. -М.:Высшая школа, 1999, 479 стр.
  86. JI.П. Цифровая обработка сигналов в оптике и голографии. М.:Радио и связь, 1987,296 стр.
  87. Ю.Х. Беспорядок в твердых телах.// Соросовский образовательный журнал, № 6(43), 1999, стр.105−109.97.3айман Дж. Модели беспорядка. -М.:Мир, 1982, 380 стр.
  88. .Р. Теоретические основы статистической радиотехники. -М.:Сов. радио, 1989, 654 стр.
  89. Г. Я. Аппаратурное определение характеристик случайных процессов. М.:Энергия, 1972,455 стр.
  90. С.Д.Егорова, В. А. Колесник Оптико-электронное цифровое преобразование изображений. М.:Радио и связь, 1991, 208 стр.
  91. .И. История и будущее полупроводниковых гетероструктур. // Физика и техника полупроводников, том 32, № 1, 1998, стр. 3−18.
  92. H.H., Устинов В. М., Щукин В. А., Копьев П. С., Алферов Ж. И., Бимберг Д. Гетероструктуры с квантовыми точками: получение, свойства, лазеры. Обзор. // Физика и техника полупроводников, том 32, № 4, стр. 385−410.
  93. Klette R., Zamperoni P. Handbook of Image Prosessing Operators.- Chichester: John Wiley&Sons, 1992, 525 p.
  94. Иванов-Омский В.И., Ястребов С. Г., Голубок A.O., Масалов С. А., Розанов В. В. Исследование поверхности пленок алмазоподобного углерода, легированного медью. // Письма в ЖТФ, том 24, № 20,1998, стр.28−33.
  95. О.М. Структурно-лингвистический анализ морфологии лейкоцитов. // Научное приборостроение, том 5, № 1−2, 1995, стр.87−94.
  96. Gorbenko O.M., Fridman P.A. Micro-Image Processing of Leucocytes and Kidney Tissue Sections. // Proceedings of the First World Congress on Computational Medicine, Public Health and Biotechnology, 24−28 April 1994, Austin, Texas, p.714.
  97. O.M., Kurochkin D.V., Golubok A.O. // Description of Scanning Probe Images by the Use of Spectral density Analysis, Proceedings of the Conference Nonlinear Signal Processing, Antalya, Turkey, June 20−23, 1999, p.208−209.
  98. Горбенко O. M, Масалов C.A., Фридман П. А., Цырлин Г. Э., Голубок A.O. Определение характерных параметров СТМ изображений наноструктур методом статистического анализа двумерных случайных полей. // Научное приборостроение, том 10 № 1, 2000, стр.70−76.
Заполнить форму текущей работой

Пора сдавать?