เชิงนามธรรม:
การตรวจหามะเร็งเม็ดเลือดขาวในระยะเริ่มต้นและลดความเสี่ยงต่อสุขภาพของมนุษย์อาจเป็นผลมาจากการรวมการวิเคราะห์ภาพแบบสหวิทยาการเข้ากับผลการทดลองทางคลินิก. การวิเคราะห์ภาพอาศัยอัลกอริธึมการประมวลผลที่มีประสิทธิภาพและเชื่อถือได้เพื่อตัดสินเชิงปริมาณเกี่ยวกับข้อมูลภาพ. บทความนี้นำเสนอการออกแบบและการใช้งานการนับเซลล์มะเร็งเม็ดเลือดขาวที่มีประสิทธิภาพและมีปริมาณงานสูง และอัลกอริธึมการจำแนกคลัสเตอร์เพื่อวัดปริมาณสถิติประชากรมะเร็งเม็ดเลือดขาวโดยอัตโนมัติในด้านมุมมอง. อัลกอริทึมแบ่งออกเป็นสองขั้นตอน: (1) ขั้นตอนการระบุเซลล์และ (2) การจำแนกเซลล์และขั้นตอนการตรวจสอบ. ขั้นตอนการระบุเซลล์จะแบ่งพื้นหลังและสัญญาณรบกวนจากพิกเซลเบื้องหน้าได้อย่างแม่นยำ. กล่องขอบเขตถูกสร้างขึ้นล้อมรอบพิกเซลเบื้องหน้าที่ระบุเซลล์ที่แยกออกมาและกลุ่มเซลล์ทั้งหมด. ขั้นตอนการจัดประเภทและการตรวจสอบเซลล์ใช้โปรไฟล์ความเข้มแบบหนึ่งมิติที่ทำหน้าที่เป็นแผนผังลายเซ็นเพื่อแยกเซลล์ที่แยกได้ออกจากกลุ่มเซลล์และประเมินจำนวนทั้งหมดภายในแต่ละคลัสเตอร์. อัลกอริธึมที่ออกแบบมาได้รับการทดสอบด้วยภาพเซลล์มะเร็งเม็ดเลือดขาวที่หลากหลายซึ่งแตกต่างกันไปตามเงื่อนไขการรับภาพ, ขนาดภาพ, ขนาดเซลล์, การกระจายความเข้ม, และคุณภาพของภาพ. อัลกอริธึมที่เสนอแสดงศักยภาพที่ดีในการประมวลผลทั้งภาพในอุดมคติและภาพที่ไม่เหมาะโดยมีความแม่นยำโดยเฉลี่ย 91% และเวลาประมวลผลเฉลี่ยของ 3 อย่างแรกคือสถาปัตยกรรมอ้างอิงโดยใช้บล็อคหน่วยความจำ และอันที่สองคือสถาปัตยกรรมแบบไร้หน่วยความจำ. ประสิทธิภาพของอัลกอริธึมที่เสนอเมื่อเปรียบเทียบกับอัลกอริธึมที่เพิ่งเผยแพร่และเครื่องมือวิเคราะห์รูปภาพเชิงพาณิชย์ช่วยยืนยันถึงความแข็งแกร่ง.

บรินดา ปราสาด และ วาเอล บาดาวี, “อัลกอริธึมการจำแนกและการจำแนกประเภทปริมาณงานสูงสำหรับสถิติประชากรมะเร็งเม็ดเลือดขาว,” The Journal of Imaging Science and Technology 52(3), 2008.

ลิงค์ไปยังรายการอื่นๆ Peer Journal สิ่งพิมพ์