Abstraktaĵo:
Frua detekto de leŭkemio kaj reduktita risko al homa sano povas rezultiĝi el interfaka integriĝo de bildanalizo kun klinikaj eksperimentaj rezultoj. Bildanalizo dependas de efikaj kaj fidindaj pretigaj algoritmoj por fari kvantajn juĝojn pri bildaj datumoj. Ĉi tiu artikolo prezentas la dezajnon kaj efektivigon de efika kaj altprodukta leŭkemia ĉelnombrado kaj grupa klasifika algoritmo por aŭtomate kvantigi leŭkemian populaciostatistikon en la vidkampo.. La algoritmo estas dividita en du stadiojn: (1) la ĉela identiga stadio kaj (2) la ĉela klasifiko kaj inspekta stadio. La ĉela identigstadio precize segmentas fonon kaj bruon de malfono-pikseloj. Limkesto estas generita enfermante la malfono-pikselojn identigante ĉiujn izolitajn ĉelojn kaj ĉelgrupojn.. La ĉelklasifiko kaj inspektadstadio uzas unudimensiajn intensecprofilojn kiuj kondutas kiel signaturintrigoj por apartigi izolitajn ĉelojn de ĉelaj aretoj kaj taksi totalan kalkulon ene de ĉiu areto.. La dizajnita algoritmo estas testita kun gamo da leŭkemiaj ĉelbildoj kiuj varias en bildaj akirkondiĉoj, bildaj grandecoj, ĉelaj grandecoj, intensecaj distribuoj, kaj bildkvalito. La proponita algoritmo montras bonan potencialon en prilaborado de kaj idealaj kaj neidealaj bildoj kun meza precizeco de 91% kaj averaĝa pretigtempo de 3 s. La agado de la proponita algoritmo kompare al lastatempe publikigitaj algoritmoj kaj komerca bilda analizilo plue konstatas ĝian fortikecon..

Brinda Prasad kaj Wael Badawy, “High-Throughput Identification and Classification Algorithm for Leukemia Population Statistics,” La Ĵurnalo de Bildiga Scienco kaj Teknologio 52(3), 2008.

Ligo al la listo de aliaj Peer Journal Publikaĵoj