抽象的:
图像分析与临床实验结果的跨学科整合可以早期发现白血病并降低对人类健康的风险. 图像分析依靠高效可靠的处理算法对图像数据进行定量判断. 本文介绍了一种高效、高通量的白血病细胞计数和聚类分类算法的设计和实现，以自动量化视野中的白血病人口统计数据. 算法分为两个阶段: (1) 细胞识别阶段和 (2) 细胞分类和检查阶段. 细胞识别阶段准确地从前景像素中分割出背景和噪声. 生成一个边界框，包围识别所有孤立细胞和细胞簇的前景像素. 细胞分类和检查阶段使用一维强度分布，作为特征图将分离的细胞从细胞簇中分离出来，并评估每个簇内的总计数. 所设计的算法在图像采集条件不同的各种白血病细胞图像上进行了测试, 图像尺寸, 细胞大小, 强度分布, 和图像质量. 所提出的算法在处理理想和非理想图像方面表现出良好的潜力，平均精度为 91% 和平均处理时间 3 小号. 与最近发布的算法和商业图像分析工具相比，所提出算法的性能进一步确定了其鲁棒性.

布琳达·普拉萨德和瓦尔·巴达维, “白血病人口统计的高通量识别和分类算法,” 影像科学与技术杂志 52(3), 2008.

链接到其他列表 同行期刊出版物