Abstrakt:
Tidlig påvisning av leukemi og redusert risiko for menneskers helse kan skyldes tverrfaglig integrering av bildeanalyse med kliniske eksperimentelle resultater. Bildeanalyse er avhengig av effektive og pålitelige behandlingsalgoritmer for å foreta kvantitative vurderinger av bildedata. Denne artikkelen presenterer utformingen og implementeringen av en effektiv og høyhastighets leukemicelletall og klyngeklassifiseringsalgoritme for automatisk å kvantifisere leukemipopulasjonsstatistikk i synsfeltet. Algoritmen er delt inn i to trinn: (1) celleidentifikasjonsstadiet og (2) celleklassifiserings- og inspeksjonsstadiet. Celleidentifikasjonstrinnet segmenterer nøyaktig bakgrunn og støy fra forgrunnspiksler. Det genereres en grenseboks som omslutter forgrunnspikslene som identifiserer alle isolerte celler og celleklynger. Celleklassifiserings- og inspeksjonsstadiet bruker endimensjonale intensitetsprofiler som oppfører seg som signaturplott for å separere isolerte celler fra celleklynger og evaluere totalt antall innenfor hver klynge. Den utformede algoritmen er testet med en rekke leukemicellebilder som varierer i bildeopptaksforhold, bildestørrelser, cellestørrelser, intensitetsfordelinger, og bildekvalitet. Den foreslåtte algoritmen viser et godt potensial i å behandle både ideelle og ikke-ideelle bilder med en gjennomsnittlig nøyaktighet på 91% og gjennomsnittlig behandlingstid på 3 s. Ytelsen til den foreslåtte algoritmen sammenlignet med nylig publiserte algoritmer og kommersielle bildeanalyseverktøy bekrefter dens robusthet ytterligere.

Brinda Prasad og Wael Badawy, "High-Throughput Identification and Classification Algoritme for Leukemi Population Statistics," Journal of Imaging Science and Technology 52(3), 2008.

Link til listen over andre Peer Journal Publikasjoner