അമൂർത്തമായ:
രക്താർബുദം നേരത്തേ കണ്ടെത്തുന്നതും മനുഷ്യന്റെ ആരോഗ്യത്തിനുള്ള അപകടസാധ്യത കുറയ്ക്കുന്നതും ക്ലിനിക്കൽ പരീക്ഷണ ഫലങ്ങളോടൊപ്പം ഇമേജ് വിശകലനത്തിന്റെ ഇന്റർ ഡിസിപ്ലിനറി സംയോജനത്തിന്റെ ഫലമായി ഉണ്ടാകാം.. ഇമേജ് വിശകലനം ഇമേജ് ഡാറ്റയിൽ അളവ് വിലയിരുത്തലുകൾ നടത്താൻ കാര്യക്ഷമവും വിശ്വസനീയവുമായ പ്രോസസ്സിംഗ് അൽഗോരിതങ്ങളെ ആശ്രയിക്കുന്നു. കാഴ്ചാ മേഖലയിൽ രക്താർബുദ ജനസംഖ്യാ സ്ഥിതിവിവരക്കണക്കുകൾ സ്വയമേവ അളക്കുന്നതിനുള്ള കാര്യക്ഷമവും ഉയർന്ന ത്രൂപുട്ട് ലുക്കീമിയ സെൽ എണ്ണവും ക്ലസ്റ്റർ ക്ലാസിഫിക്കേഷൻ അൽഗോരിതം രൂപകൽപ്പനയും നടപ്പിലാക്കലും ഈ ലേഖനം അവതരിപ്പിക്കുന്നു.. അൽഗോരിതം രണ്ട് ഘട്ടങ്ങളായി തിരിച്ചിരിക്കുന്നു: (1) സെൽ തിരിച്ചറിയൽ ഘട്ടവും (2) സെൽ വർഗ്ഗീകരണവും പരിശോധനയും ഘട്ടം. സെൽ ഐഡന്റിഫിക്കേഷൻ ഘട്ടം ഫോർഗ്രൗണ്ട് പിക്സലുകളിൽ നിന്ന് പശ്ചാത്തലവും ശബ്ദവും കൃത്യമായി വിഭജിക്കുന്നുണ്ട്. എല്ലാ ഒറ്റപ്പെട്ട സെല്ലുകളെയും സെൽ ക്ലസ്റ്ററുകളെയും തിരിച്ചറിയുന്ന ഫോർഗ്രൗണ്ട് പിക്സലുകൾ ഉൾക്കൊള്ളുന്ന ഒരു ബൗണ്ടറി ബോക്സ് സൃഷ്ടിക്കപ്പെടുന്നു.. സെൽ വർഗ്ഗീകരണവും പരിശോധനാ ഘട്ടവും സെൽ ക്ലസ്റ്ററുകളിൽ നിന്ന് ഒറ്റപ്പെട്ട സെല്ലുകളെ വേർതിരിക്കാനും ഓരോ ക്ലസ്റ്ററിനുള്ളിലെ മൊത്തം എണ്ണം വിലയിരുത്താനും സിഗ്നേച്ചർ പ്ലോട്ടുകളായി പ്രവർത്തിക്കുന്ന ഏകമാന തീവ്രത പ്രൊഫൈലുകൾ ഉപയോഗിക്കുന്നു.. രൂപകൽപന ചെയ്ത അൽഗോരിതം വിവിധ ലുക്കീമിയ സെൽ ഇമേജുകൾ ഉപയോഗിച്ച് പരീക്ഷിക്കപ്പെടുന്നു, അത് ഇമേജ് ഏറ്റെടുക്കൽ അവസ്ഥകളിൽ വ്യത്യാസപ്പെടുന്നു., ചിത്ര വലുപ്പങ്ങൾ, സെൽ വലുപ്പങ്ങൾ, തീവ്രത വിതരണങ്ങൾ, ചിത്രത്തിന്റെ ഗുണനിലവാരവും. നിർദിഷ്ട അൽഗോരിതം ശരാശരി കൃത്യതയോടെ അനുയോജ്യമായതും അനുയോജ്യമല്ലാത്തതുമായ ചിത്രങ്ങൾ പ്രോസസ്സ് ചെയ്യുന്നതിനുള്ള നല്ല സാധ്യതകൾ പ്രകടമാക്കുന്നു. 91% കൂടാതെ ശരാശരി പ്രോസസ്സിംഗ് സമയം 3 എസ്. അടുത്തിടെ പ്രസിദ്ധീകരിച്ച അൽഗോരിതം, വാണിജ്യ ഇമേജ് വിശകലന ടൂൾ എന്നിവയുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ നിർദ്ദിഷ്ട അൽഗോരിതത്തിന്റെ പ്രകടനം അതിന്റെ ദൃഢത കൂടുതൽ വ്യക്തമാക്കുന്നു..

ബൃന്ദ പ്രസാദും വേൽ ബദാവിയും, "രക്താർബുദം ജനസംഖ്യാ സ്ഥിതിവിവരക്കണക്കുകൾക്കായുള്ള ഹൈ-ത്രൂപുട്ട് ഐഡന്റിഫിക്കേഷനും വർഗ്ഗീകരണ അൽഗോരിതം,” ദി ജേർണൽ ഓഫ് ഇമേജിംഗ് സയൻസ് ആൻഡ് ടെക്നോളജി 52(3), 2008.

മറ്റുള്ളവരുടെ പട്ടികയിലേക്ക് ലിങ്ക് ചെയ്യുക പിയർ ജേണൽ പ്രസിദ്ധീകരണങ്ങൾ