Abstract
|
زمينه: مشاهده، دستهبندي و شمارش انواع مختلف گلبولهاي سفيد در نمونة خون، يكي از گامهاي اساسي در درمان بيماريهاي مختلف است. هدف از انجام اين پژوهش طراحي و پيادهسازي سيستمي سريع، قابل اعتماد و مبتني بر پردازش تصاوير ميكروسكوپي نمونه خون براي طبقهبندي چهار نوع از گلبولهاي سفيد است. مواد و روشها: در اين مقاله، از روش خوشهبندي k-means اص حشده براي انجام عمل بخشبندي تصوير استفاده شده است. ع وه بر اين، عمل طبقهبندي گلبولهاي سفيد با استفاده از يك شبكه عصبي كانولوشني عميق و با كمك دادههاي موجود در پايگاه داده MISP – پايگاه داده رايگان و متشكل از تصاوير ميكروسكوپي نمونه خون – انجام شده است. همچنين، روشهاي مختلف رگو ريزاسيون مثل حذف تصادفي و افزايش تعداد تصاوير پايگاه داده، براي جلوگيري از بيش برازشِ (Overfitting) مدلِ پيشنهادي مورد استفاده قرار گرفتهاند. يافتهها: در بخش طبقهبندي، دقت شبكه عصبي برابر 33 درصد اندازهگيري شده است كه نسبت به بسياري از پژوهشهاي پيشين موفقتر بوده است. همچنين در بخش بخشبندي، شاخص اط عات متقابل برابر 8/19 حاصل شد. نتيجهگيري: نتايج حاصل از اين پژوهش نشان ميدهد طراحي و پيادهسازي سيستمي سريع و قابل اعتماد با كمك پردازش تصاوير ميكروسكوپي نمونه خون با استفاده از روشهاي مختلف پردازش تصوير و يادگيري ماشين امكانپذير است.
|