Abstrato:
A detecção precoce da leucemia e a redução do risco à saúde humana podem resultar da integração interdisciplinar da análise de imagens com resultados experimentais clínicos. A análise de imagem depende de algoritmos de processamento eficientes e confiáveis ​​para fazer julgamentos quantitativos sobre os dados da imagem. Este artigo apresenta o projeto e a implementação de um algoritmo de contagem de células leucêmicas eficiente e de alto rendimento e classificação de cluster para quantificar automaticamente as estatísticas da população de leucemia no campo de visão. O algoritmo é dividido em duas etapas: (1) a fase de identificação celular e (2) a fase de classificação e inspeção da célula. O estágio de identificação de células segmenta com precisão o fundo e o ruído dos pixels de primeiro plano. Uma caixa de limite é gerada envolvendo os pixels de primeiro plano identificando todas as células isoladas e clusters de células. O estágio de classificação e inspeção de células usa perfis de intensidade unidimensionais que se comportam como gráficos de assinatura para segregar células isoladas de agrupamentos de células e avaliar a contagem total dentro de cada agrupamento. O algoritmo projetado é testado com uma variedade de imagens de células de leucemia que variam em condições de aquisição de imagem, tamanhos de imagem, tamanhos de células, distribuições de intensidade, e qualidade de imagem. O algoritmo proposto demonstra bom potencial no processamento de imagens ideais e não ideais com uma precisão média de 91% e tempo médio de processamento de 3 s. O desempenho do algoritmo proposto em comparação com algoritmos publicados recentemente e ferramenta de análise de imagem comercial confirma ainda mais sua robustez.

Brinda Prasad e Wael Badawy, “Algoritmo de identificação e classificação de alto rendimento para estatísticas populacionais de leucemia,” The Journal of Imaging Science and Technology 52(3), 2008.

Link para a lista de outros Publicações de periódicos de pares