مدل های تشخیص سرطان خون با استفاده از تکنیک های پردازش تصاویر

تجزیه و تحلیل میکروسکوپی لام های خونی یک قدم مهم در تشخیص سرطان خون است. با این حال ارزیابی دستی آن بسیار وقت گیر، مستعد به خطا و وابسته به تجربه هماتولوژیست می باشد. در این مقاله، برای حل این مشکل یک روش تشخیص و تقسیم بندی خودکار لوسمی لنفوبلاستیک حاد با استفاده از پردازش تصویر پیشنهاد شده است. هدف ما در این مقاله این است که بتوانیم با استفاده از تصویر نمونه لام های خونی ، سرطان خون را تشخیص داده و در انتها حداکثر دقت تشخیص را به دست آوریم. پس از دریافت تصاویر، بخش بندی گلبول های سفید خون که شامل جداسازی کل لکوسیت از پس زمینه و جداسازی هسته لکوسیت انجام می‌شود. برای تشخیص سلول های سرطانی، چهار نوع ویژگی شامل ویژگی های مورفولیژیکی، ویژگی های شکل، ماتریس هم رخداد، بافت گابور و موجک هار و همچنین ویژگی های رنگی از تصویر هسته لکوسیت استخراج می شوند و با استفاده از یکی طبقه بندی کننده تصاویر لنفوسیت به انواع سالم و بدخیم طبقه بندی می شوند. و در نهایت 30 ویژگی از ویژگی های مذکور، انتخاب شده و به عنوان ورودی به ماشین بردار پشتیبان داده می شود و در نهایت تصاویر با دقت 12/98 طبقه بندی می شوند.