Abstrakti:
Leukemian varhainen havaitseminen ja ihmisten terveydelle aiheutuvan riskin vähentäminen voivat johtua kuva-analyysin monitieteisestä integroinnista kliinisiin kokeisiin. Kuva-analyysi perustuu tehokkaisiin ja luotettaviin prosessointialgoritmeihin, jotta voidaan tehdä kvantitatiivisia arvioita kuvatiedoista. Tämä artikkeli esittelee tehokkaan ja tehokkaan leukemiasolumäärän ja klusterin luokittelualgoritmin suunnittelun ja toteutuksen leukemiapopulaatiotilastojen automaattisen kvantifioimiseksi näkökentässä.. Algoritmi on jaettu kahteen vaiheeseen: (1) soluntunnistusvaihe ja (2) solujen luokittelu- ja tarkastusvaihe. Soluntunnistusvaihe segmentoi tarkasti taustan ja kohinan etualan pikseleistä. Rajalaatikko luodaan, joka ympäröi etualan pikselit ja tunnistaa kaikki eristetyt solut ja soluklusterit. Solujen luokittelu- ja tarkastusvaiheessa käytetään yksiulotteisia intensiteettiprofiileja, jotka toimivat allekirjoituskaavioina eristämään eristettyjä soluja soluklustereista ja arvioimaan kunkin klusterin kokonaismäärää.. Suunniteltua algoritmia testataan useilla leukemiasolukuvilla, jotka vaihtelevat kuvanottoolosuhteissa, kuvakoot, solujen koot, intensiteettijakaumat, ja kuvanlaatu. Ehdotettu algoritmi osoittaa hyvät mahdollisuudet käsitellä sekä ihanteellisia että ei-ideaalisia kuvia keskimääräisellä tarkkuudella 91% ja keskimääräinen käsittelyaika 3 s. Ehdotetun algoritmin suorituskyky verrattuna äskettäin julkaistuihin algoritmeihin ja kaupalliseen kuva-analyysityökaluun varmistaa sen kestävyyden..

Brinda Prasad ja Wael Badawy, ”Korkean suorituskyvyn tunnistus- ja luokittelualgoritmi leukemiapopulaatiotilastoihin,”The Journal of Imaging Science and Technology 52(3), 2008.

Linkki luettelo muista Peer Journal Julkaisut