ارائه روشی اتوماتیک برای تشخیص دسته های بیماری بر اساس شمارش و تشخیص اتوماتیک گلبول های سفید خون
محل انتشار: اولین همایش ملی پژوهش های مهندسی رایانه
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 627
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
RCEITT01_190
تاریخ نمایه سازی: 11 اردیبهشت 1394
چکیده مقاله:
سلولهای سفید خون مواد تشکیل دهنده اصلی در سیستم ایمنی بدن هستند، تعدادگلبولهای سفید خون میتواند به عنوان مرجعی برای تشخیص بیماری استفاده شود. در این پژوهش سیستمی اتوماتیک مؤثر و با دقت بالا برایتشخیص دسته های بیماری بر اساس شمارش افتراقی گلبول های سفید ارائه شده است. الگوریتم پیشنهادی شامل قطعه بندی هسته و سیتوپلاسم، طبقه بندی انواع گلبول های سفید و تشخیص است. مراحل الگوریتم به گونه ای است که ابتدا هسته و سیتوپلاسم گلبول های سفید با به کار بردن ترکیب تکنیکSMMTروی تصاویر چندمقیاسی و روش حدآستانه گیری محلی تطبیقی ساوولا قطعه بندی می شوند. در مرحله بعد ویژگی های شکل، بافت و زرنیک از هسته استخراج می شوند و به شبکه عصبی پرسپترون داده می شوند که با دقت 57.69 % انواع گلبول های سفید را شناسایی می کند. . سپس انواع گلبول های سفید شمارش شده و با توجه به اینکه افزایش و کاهش تعداد انواع گلبول های سفید نشانه ای از انواع بیماری است می توان طبقه بندی کلی روی یک سری از بیماری هاانجام داد. در نهایت با داشتن تعداد کل گلبول های سفید و انواع آن با استفاده از شبکه نروفازی تطبیقی دسته بیماری با دقت خوب 53 % تشخیص داده می شود
کلیدواژه ها:
طبقه بندی گلبول های سفید خون ، قطعه بندی گلبول های سفید خون ، حدآستانه گیری محلیsauvola ، تکنیکSMMT ، شبکه نروفازی تطبیقی
نویسندگان
فائزه محسنی مقدم
کارشناس ارشد هوش مصنوعی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات کرمان
مهدی جعفری شهباززاده
استادیار، دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد کرمان
پیمان کشاورزیان
استادیار، دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد کرمان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :