Resumo:
A detección precoz da leucemia e a redución do risco para a saúde humana pode resultar da integración interdisciplinar da análise de imaxes cos resultados experimentais clínicos.. A análise de imaxes depende de algoritmos de procesamento eficientes e fiables para facer xuízos cuantitativos sobre os datos da imaxe. Este artigo presenta o deseño e implementación dun algoritmo de reconto de células de leucemia e clasificación de clusters eficiente e de alto rendemento para cuantificar automaticamente as estatísticas de poboación de leucemia no campo de visión.. O algoritmo divídese en dúas etapas: (1) a fase de identificación celular e (2) a fase de clasificación e inspección das células. A fase de identificación de células segmenta con precisión o fondo e o ruído dos píxeles do primeiro plano. Xérase unha caixa de límite que encerra os píxeles do primeiro plano que identifica todas as celas illadas e os grupos de celas. A fase de clasificación e inspección de células usa perfís de intensidade unidimensional que se comportan como gráficos de sinatura para segregar as células illadas dos grupos celulares e avaliar o reconto total dentro de cada grupo.. O algoritmo deseñado é probado cunha variedade de imaxes de células de leucemia que varían nas condicións de adquisición de imaxes, tamaños da imaxe, tamaños das células, distribucións de intensidade, e calidade da imaxe. O algoritmo proposto demostra un bo potencial para procesar imaxes ideais e non ideais cunha precisión media de 91% e tempo medio de procesamento de 3 s. O rendemento do algoritmo proposto en comparación cos algoritmos publicados recentemente e a ferramenta comercial de análise de imaxes constata aínda máis a súa robustez.

Brinda Prasad e Wael Badawy, "Algoritmo de identificación e clasificación de alto rendemento para as estatísticas de poboación de leucemia,” The Journal of Imaging Science and Technology 52(3), 2008.

Ligazón á lista doutros Publicacións de Peer Journal