抽象的:
圖像分析與臨床實驗結果的跨學科整合可以早期發現白血病並降低對人類健康的風險. 圖像分析依靠高效可靠的處理算法對圖像數據進行定量判斷. 本文介紹了一種高效、高通量的白血病細胞計數和聚類分類算法的設計和實現，以自動量化視野中的白血病人口統計數據. 算法分為兩個階段: (1) 細胞識別階段和 (2) 細胞分類和檢查階段. 細胞識別階段準確地從前景像素中分割出背景和噪聲. 生成一個邊界框，包圍識別所有孤立細胞和細胞簇的前景像素. 細胞分類和檢查階段使用一維強度分佈，作為特徵圖將分離的細胞從細胞簇中分離出來，並評估每個簇內的總計數. 所設計的算法在圖像採集條件不同的各種白血病細胞圖像上進行了測試, 圖像尺寸, 細胞大小, 強度分佈, 和圖像質量. 所提出的算法在處理理想和非理想圖像方面表現出良好的潛力，平均精度為 91% 和平均處理時間 3 s. 與最近發布的算法和商業圖像分析工具相比，所提出算法的性能進一步確定了其魯棒性.

布琳達·普拉薩德和瓦爾·巴達維, “白血病人口統計的高通量識別和分類算法,” 影像科學與技術雜誌 52(3), 2008.

鏈接到其他列表 同行期刊出版物