Otomatik Plaka Tanıma:
Löseminin erken tespiti ve insan sağlığına yönelik riskin azaltılması, görüntü analizinin klinik deneysel sonuçlarla disiplinler arası entegrasyonundan kaynaklanabilir.. Görüntü analizi, görüntü verileri üzerinde nicel kararlar vermek için verimli ve güvenilir işleme algoritmalarına dayanır.. Bu makale, görüş alanındaki lösemi popülasyon istatistiklerini otomatik olarak ölçmek için verimli ve yüksek verimli bir lösemi hücre sayımı ve küme sınıflandırma algoritmasının tasarımını ve uygulamasını sunar.. Algoritma iki aşamaya ayrılmıştır: (1) hücre tanımlama aşaması ve (2) hücre sınıflandırması ve inceleme aşaması. Hücre tanımlama aşaması, arka planı ve gürültüyü ön plan piksellerinden doğru şekilde bölümlere ayırır. Tüm izole edilmiş hücreleri ve hücre kümelerini tanımlayan ön plan piksellerini çevreleyen bir sınır kutusu oluşturulur. Hücre sınıflandırma ve inceleme aşaması, izole edilmiş hücreleri hücre kümelerinden ayırmak ve her küme içindeki toplam sayımı değerlendirmek için imza grafikleri gibi davranan tek boyutlu yoğunluk profillerini kullanır.. Tasarlanan algoritma, görüntü alma koşullarında değişiklik gösteren çeşitli lösemi hücre görüntüleri ile test edilmiştir., görüntü boyutları, hücre boyutları, yoğunluk dağılımları, ve görüntü kalitesi. Önerilen algoritma, hem ideal hem de ideal olmayan görüntülerin ortalama doğrulukla işlenmesinde iyi bir potansiyel göstermektedir. 91% ve ortalama işlem süresi 3 s. Önerilen algoritmanın yakın zamanda yayınlanan algoritmalara ve ticari görüntü analiz aracına kıyasla performansı, sağlamlığını daha da doğrulamaktadır..

Brinda Prasad ve Wael Badawy, "Lösemi Nüfus İstatistikleri için Yüksek Verimli Tanımlama ve Sınıflandırma Algoritması,Görüntüleme Bilimi ve Teknolojisi Dergisi 52(3), 2008.

Basım tarihi Basım tarihi