پردازش پیشرفته تصاویر برای شناسایی نوع سلول خونی: قطعه بندی، استخراج ویژگی و مدل گراف بر پایه نمونه گیری و تجمیع

چکیده مقاله

در دهه های اخیر پیشرفتهای قابل توجه در حوزه هوش مصنوعی و یادگیری ماشین تحولی چشمگیر در علوم پزشکی و تشخیص بیماریها ایجاد کرده است یکی از مهمترین کاربردهای این فناوریها پردازش تصاویر میکروسکوپی برای شناسایی سلولهای خونی است که به دلیل تنوع ظاهری و پیچیدگی ساختاری همواره چالشی برای متخصصان بوده است در این مطالعه یک روش نوین مبتنی بر تکنیکهای پیشرفته پردازش تصویر برای شناسایی و تفکیک گلبولهای سفید و قرمز ارائه شده است ابتدا تصاویر میکروسکوپی با استفاده از تبدیل قدرت و فیلترهای موجک پیش پردازش شدند سپس تصاویر به فضای رنگی HSV و CMYK تبدیل شده و با استفاده از تفاوت کانالهای K و M فیلتر گوسی و آستانه گذاری اوتسو ماسک باینری هسته های گلبولهای سفید استخراج گردید نوآوری ما در این مقاله در جداسازی گلبولهای سفید با دقت بالا بود از اختلاف کانالهای H از Cr در فضاهای رنگی HSV، YCC استفاده شد در ادامه، ۲۴ ویژگی از گلبولها و هسته آنها استخراج شده و با استفاده از الگوریتمهای جنگل تصادفی، آنتروپی اطلاعاتی و روش بوروتا، بهترین ویژگیها انتخاب شدند در نهایت یک گراف شباهت کسینوسی ایجاد شده و نتایج با استفاده از شبکه عصبی گراف مبتنی بر نمونه گیری و تجمیع بهینه سازی شدند نتایج نشان دادند که این روش با دقت ٪۹۳ ۵ در شناسایی گلبولهای سفید عملکرد موفقی داشته و میتواند به عنوان ابزاری موثر در تحلیلهای تشخیصی پزشکی مورد استفاده قرار گیرد

کلیدواژه‌ها

نویسندگان

هوریا خرمکی

دانشجوی کارشناسی ارشد دانشگاه نیشابور

سید مهدی صالحی

دانشیار دانشگاه نیشابور

مهدیه قاسمی

دانشیار دانشگاه نیشابور

�رمکی، هوریا و صالحی، سید مهدی و قاسمی، مهدیه،1404،پردازش پیشرفته تصاویر برای شناسایی نوع سلول خونی: قطعه بندی، استخراج ویژگی و مدل گراف بر پایه نمونه گیری و تجمیع،دومین کنفرانس ملی علم داده در کاربردهای مهندسی،تبریز

ارائه‌شده در

مجموعه مقالات دومین کنفرانس ملی علم داده در کاربردهای مهندسی17 مهر 1404 · تبریز