abstrakts:
Agrīna leikēmijas atklāšana un samazināts risks cilvēku veselībai var rasties, attēlu analīzes starpdisciplinārai integrācijai ar klīnisko eksperimentu rezultātiem. Attēlu analīze balstās uz efektīviem un uzticamiem apstrādes algoritmiem, lai veiktu kvantitatīvus spriedumus par attēlu datiem. Šajā rakstā ir aprakstīta efektīva un augstas caurlaidības leikēmijas šūnu skaita un klasteru klasifikācijas algoritma izstrāde un ieviešana, lai automātiski kvantitatīvi noteiktu leikēmijas populācijas statistiku redzes laukā.. Algoritms ir sadalīts divos posmos: (1) šūnu identifikācijas posms un (2) šūnu klasifikācijas un pārbaudes posms. Šūnu identifikācijas posms precīzi segmentē fonu un troksni no priekšplāna pikseļiem. Tiek ģenerēts robežlodziņš, kas aptver priekšplāna pikseļus, identificējot visas izolētās šūnas un šūnu kopas. Šūnu klasifikācijas un pārbaudes posmā tiek izmantoti viendimensijas intensitātes profili, kas darbojas kā parakstu diagrammas, lai atdalītu izolētas šūnas no šūnu kopām un novērtētu kopējo skaitu katrā klasterī.. Izstrādātais algoritms tiek pārbaudīts ar dažādiem leikēmijas šūnu attēliem, kas atšķiras attēla iegūšanas apstākļos, attēlu izmēri, šūnu izmēri, intensitātes sadalījumi, un attēla kvalitāti. Piedāvātais algoritms demonstrē labu potenciālu gan ideālu, gan neideālu attēlu apstrādē ar vidējo precizitāti 91% un vidējais apstrādes laiks 3 s. Piedāvātā algoritma veiktspēja salīdzinājumā ar nesen publicētajiem algoritmiem un komerciālo attēlu analīzes rīku vēl vairāk pārliecinās par tā noturību.

Brinda Prasada un Vaels Badavi, TagAugstas caurlaidības identifikācijas un klasifikācijas algoritms leikēmijas populācijas statistikai,”Attēlveidošanas zinātnes un tehnoloģijas žurnāls 52(3), 2008.

Saite uz citu sarakstu Salīdzinošo žurnālu publikācijas