خلاصه:
تشخیص زودهنگام سرطان خون و کاهش خطر برای سلامت انسان می تواند از ادغام بین رشته ای تجزیه و تحلیل تصویر با نتایج تجربی بالینی ناشی شود.. تجزیه و تحلیل تصویر به الگوریتم های پردازش کارآمد و قابل اعتماد برای قضاوت کمی روی داده های تصویر متکی است.. این مقاله طراحی و اجرای یک الگوریتم شمارش سلولی و طبقه‌بندی خوشه‌ای سلول‌های لوسمی کارآمد و با کارایی بالا را برای تعیین کمیت خودکار آمار جمعیت لوسمی در میدان دید ارائه می‌کند.. الگوریتم به دو مرحله تقسیم می شود: (1) مرحله شناسایی سلولی و (2) مرحله طبقه بندی و بازرسی سلولی. مرحله شناسایی سلولی به طور دقیق پس زمینه و نویز را از پیکسل های پیش زمینه تقسیم می کند. یک جعبه مرزی ایجاد می‌شود که پیکسل‌های پیش‌زمینه را در بر می‌گیرد و تمام سلول‌های جدا شده و خوشه‌های سلولی را شناسایی می‌کند.. مرحله طبقه‌بندی و بازرسی سلولی از پروفایل‌های شدت یک بعدی استفاده می‌کند که به‌عنوان نمودارهای امضایی برای جداسازی سلول‌های جدا شده از خوشه‌های سلولی و ارزیابی تعداد کل در هر خوشه عمل می‌کنند.. الگوریتم طراحی شده با انواع تصاویر سلول های سرطان خون که در شرایط دریافت تصویر متفاوت هستند آزمایش می شود., اندازه های تصویر, اندازه سلول, توزیع های شدت, و کیفیت تصویر. الگوریتم پیشنهادی پتانسیل خوبی را در پردازش تصاویر ایده آل و غیر ایده آل با دقت متوسط ​​نشان می دهد. 91% و متوسط ​​زمان پردازش از 3 س. عملکرد الگوریتم پیشنهادی در مقایسه با الگوریتم‌های اخیرا منتشر شده و ابزار تحلیل تصویر تجاری، استحکام آن را بیشتر تایید می‌کند..

بریندا پراساد و وائل بداوی, آدریان چیریلا-روسالگوریتم شناسایی و طبقه بندی با توان عملیاتی بالا برای آمار جمعیت لوسمی,مجله علوم و فناوری تصویربرداری 52(3), 2008.

آدریان چیریلا-روس آدریان چیریلا-روس