추상적인:
이미지 분석과 임상 실험 결과의 학제간 통합으로 백혈병 조기 발견 및 인체 건강에 대한 위험 감소. 이미지 분석은 이미지 데이터에 대한 정량적 판단을 내리기 위해 효율적이고 신뢰할 수 있는 처리 알고리즘에 의존합니다.. 이 기사에서는 시야에서 백혈병 인구 통계를 자동으로 정량화하기 위한 효율적이고 처리량이 많은 백혈병 세포 수 및 클러스터 분류 알고리즘의 설계 및 구현을 제시합니다.. 알고리즘은 두 단계로 나뉩니다.: (1) 세포 식별 단계 및 (2) 세포분류 및 검사단계. 셀 식별 단계는 전경 픽셀에서 배경과 노이즈를 정확하게 분할합니다.. 격리된 모든 셀과 셀 클러스터를 식별하는 전경 픽셀을 둘러싸는 경계 상자가 생성됩니다.. 세포 분류 및 검사 단계는 세포 클러스터에서 격리된 세포를 분리하고 각 클러스터 내의 총 수를 평가하기 위해 서명 플롯으로 작동하는 1차원 강도 프로필을 사용합니다.. 설계된 알고리즘은 이미지 획득 조건이 다른 다양한 백혈병 세포 이미지로 테스트됩니다., 이미지 크기, 셀 크기, 강도 분포, 및 이미지 품질. 제안된 알고리즘은 이상적인 이미지와 비이상적인 이미지 모두 평균 정확도가 91% 및 평균 처리 시간 3 에스. 최근 공개된 알고리즘 및 상용 이미지 분석 도구와 비교하여 제안된 알고리즘의 성능은 견고성을 더욱 확인합니다..

브린다 프라사드와 와엘 바다위, "백혈병 인구 통계를 위한 고처리량 식별 및 분류 알고리즘,” 영상 과학 기술 저널 52(3), 2008.

기타 목록 링크 피어 저널 출판물