概要:
白血病の早期発見と人間の健康へのリスクの低減は、画像解析と臨床実験結果を学際的に統合することで実現できます. 画像解析は、効率的で信頼性の高い処理アルゴリズムに依存して、画像データの定量的判断を行います. この記事では、視野内の白血病集団統計を自動的に定量化する、効率的で高スループットの白血病細胞数およびクラスター分類アルゴリズムの設計と実装について説明します。. アルゴリズムは2段階に分かれています: (1) 細胞識別段階と (2) 細胞分類および検査段階. 細胞識別ステージは、前景ピクセルから背景とノイズを正確にセグメント化します. すべての分離された細胞と細胞クラスターを識別する前景ピクセルを囲む境界ボックスが生成されます. 細胞の分類および検査段階では、シグネチャ プロットとして機能する 1 次元の強度プロファイルを使用して、細胞クラスターから分離された細胞を分離し、各クラスター内の合計数を評価します。. 設計されたアルゴリズムは、画像取得条件が異なるさまざまな白血病細胞画像でテストされています, 画像サイズ, セルサイズ, 強度分布, と画質. 提案されたアルゴリズムは、理想的な画像と非理想的な画像の両方を平均精度 91% の平均処理時間 3 NS. 最近公開されたアルゴリズムおよび商用画像分析ツールと比較した提案されたアルゴリズムのパフォーマンスは、その堅牢性をさらに確認します.

ブリンダ・プラサドとワエル・バダウィ, 」白血病母集団統計のためのハイスループット同定および分類アルゴリズム,」Journalof Imaging Science and Technology 52(3), 2008.

他のリストへのリンク ピアジャーナル出版物