Абстрактный:
Раннее выявление лейкемии и снижение риска для здоровья человека могут быть результатом междисциплинарной интеграции анализа изображений с результатами клинических экспериментов.. Анализ изображений основан на эффективных и надежных алгоритмах обработки для количественной оценки данных изображений.. В этой статье представлены разработка и реализация эффективного и высокопроизводительного алгоритма подсчета лейкозных клеток и кластерной классификации для автоматического количественного определения статистики популяции лейкемии в поле зрения.. Алгоритм разбит на два этапа: (1) этап идентификации клеток и (2) этап классификации и проверки клеток. Этап идентификации ячеек точно сегментирует фон и шум от пикселей переднего плана.. Создается граничный прямоугольник, включающий пиксели переднего плана, идентифицирующие все изолированные ячейки и кластеры ячеек.. На этапе классификации и проверки клеток используются одномерные профили интенсивности, которые ведут себя как сигнатурные графики, чтобы отделить изолированные клетки от кластеров клеток и оценить общее количество в каждом кластере.. Разработанный алгоритм тестируется на различных изображениях лейкозных клеток, которые различаются по условиям получения изображений., размеры изображения, размеры ячеек, распределения интенсивности, и качество изображения. Предложенный алгоритм демонстрирует хорошие возможности обработки как идеальных, так и неидеальных изображений со средней точностью 91% и среднее время обработки 3 с. Производительность предложенного алгоритма по сравнению с недавно опубликованными алгоритмами и коммерческим инструментом анализа изображений дополнительно подтверждает его надежность..

Бринда Прасад и Ваэль Бадави, «Высокопроизводительный алгоритм идентификации и классификации для популяционной статистики лейкемии,»Журнал науки и технологий в области обработки изображений 52(3), 2008.

Ссылка на список других Публикации в журналах