Abstraktus:
Ankstyvas leukemijos nustatymas ir sumažinta rizika žmonių sveikatai gali atsirasti dėl tarpdisciplininio vaizdo analizės integravimo su klinikinių eksperimentų rezultatais. Vaizdo analizė remiasi efektyviais ir patikimais apdorojimo algoritmais, kad būtų galima kiekybiškai įvertinti vaizdo duomenis. Šiame straipsnyje pateikiamas veiksmingo ir didelio našumo leukemijos ląstelių skaičiaus ir klasterių klasifikavimo algoritmo, skirto automatiškai kiekybiškai įvertinti leukemijos populiacijos statistiką regėjimo lauke, sukūrimas ir įgyvendinimas.. Algoritmas yra padalintas į du etapus: (1) ląstelės identifikavimo stadija ir (2) ląstelių klasifikavimo ir patikrinimo etapas. Ląstelių identifikavimo etapas tiksliai segmentuoja foną ir triukšmą iš priekinio plano pikselių. Sukuriamas ribinis langelis, apimantis priekinio plano pikselius, identifikuojančius visas izoliuotas ląsteles ir ląstelių grupes. Ląstelių klasifikavimo ir tikrinimo etape naudojami vienmačiai intensyvumo profiliai, kurie veikia kaip parašų diagramos, kad atskirtų izoliuotas ląsteles nuo ląstelių grupių ir įvertintų bendrą skaičių kiekvienoje klasteryje.. Sukurtas algoritmas išbandomas su įvairiais leukemijos ląstelių vaizdais, kurie skiriasi vaizdo gavimo sąlygomis, vaizdo dydžiai, ląstelių dydžiai, intensyvumo pasiskirstymai, ir vaizdo kokybė. Siūlomas algoritmas demonstruoja geras galimybes apdoroti idealius ir neidealius vaizdus vidutiniu tikslumu 91% ir vidutinis apdorojimo laikas 3 s. Siūlomo algoritmo veikimas, palyginti su neseniai paskelbtais algoritmais ir komercinio vaizdo analizės įrankiu, dar labiau patvirtina jo tvirtumą.

Brinda Prasad ir Wael Badawy, "Leukemijos populiacijos statistikos didelio našumo identifikavimo ir klasifikavimo algoritmas,Vaizdo kūrimo mokslo ir technologijų žurnalas 52(3), 2008.

Nuoroda į kitų sąrašą Peer Journal publikacijos