Апстрактан:
Рано откривање леукемије и смањен ризик по људско здравље може бити резултат интердисциплинарне интеграције анализе слике са клиничким експерименталним резултатима. Анализа слике се ослања на ефикасне и поуздане алгоритме обраде за доношење квантитативних судова о подацима слике. Овај чланак представља дизајн и имплементацију ефикасног и високо пропусног алгоритма за бројање ћелија леукемије и класификацију кластера за аутоматску квантификацију статистике популације леукемије у видном пољу. Алгоритам је подељен у две фазе: (1) фаза идентификације ћелије и (2) фаза класификације ћелија и инспекције. Фаза идентификације ћелије прецизно сегментира позадину и шум од пиксела у предњем плану. Генерише се гранична кутија која обухвата пикселе предњег плана који идентификују све изоловане ћелије и кластере ћелија. Фаза класификације и инспекције ћелија користи једнодимензионалне профиле интензитета који се понашају као дијаграми потписа за одвајање изолованих ћелија од кластера ћелија и процену укупног броја унутар сваког кластера. Дизајнирани алгоритам је тестиран са различитим сликама ћелија леукемије које се разликују у условима стицања слике, величине слике, величине ћелија, расподеле интензитета, и квалитет слике. Предложени алгоритам показује добар потенцијал у обради идеалних и неидеалних слика са просечном тачношћу од 91% и просечно време обраде од 3 с. Перформансе предложеног алгоритма у поређењу са недавно објављеним алгоритмима и алатом за анализу комерцијалне слике додатно потврђује његову робусност.

Бринда Прасад и Ваел Бадави, “Алгоритам идентификације и класификације високе пропусности за статистику популације леукемије,” Јоурнал оф Имагинг Сциенце анд Тецхнологи 52(3), 2008.

Линк до листе других Пеер Јоурнал Публицатионс