بخش‌بندی سلول‌های موثر در سرطان میلوم متعدد با استفاده از مدل‌های تغییر شکل‌پذیر و خوشه‌بندی Kmeans

مقدمه: میلوم متعدد (multiple myeloma)، دومین سرطان خونی شایع است. این بیماری، به علت سرطانی شدن دسته‌ای از سلول‌ها به نام پلاسماسل‌ها (plasma cells) ایجاد می‌شود. شناسایی و شمارش پلاسماسل‌ها، اطلاعات ارزشمندی را به منظور تشخیص این بیماری برای پاتولوژیست‌ها فراهم می‌کند. فرایند شمارش و بررسی دستی پلاسماسل‌ها، زمان‌بر و با توجه به طبیعت خسته کننده‌ی آن، در معرض خطا می‌باشد. به همین دلیل، وجود ابزاری کامپیوتری در کنار پاتولوژیست به منظور کمک در بخش‌بندی و استخراج سلول‌ها، می‌تواند بسیار مفید باشد. از این رو، پژوهش حاضر با هدف ارایه‌ی یک ابزار کامپیوتری برای بخش‌بندی سلول‌های موثر در بیماری میلوم متعدد از روی تصاویر میکروسکوپی انجام شد. روش‌ها: در روش پیشنهادی، پس از بهبود کیفیت تصاویر با استفاده از تطبیق هیستوگرام و فیلتر میانه، سلول‌ها با استفاده از مدل تغییر شکل‌پذیر chanvese استخراج شدند. همچنین، برای بخش‌بندی سلول‌های به هم چسبیده، الگوریتم آب‌پخشان اصلاح شده، استفاده گردید. سپس، هسته‌ها با به کارگیری روش خوشه‌بندی kmeans استخراج شدند. یافته‌ها: روش پیشنهادی بر روی 30 تصویر میکروسکوپی، شامل 370 سلول مورد ارزیابی قرار گرفت. نتایج محاسبه شده از روش پیشنهادی، نشان داد که معیار ارزیابی، حساسیت، دقت، صحت و dice similarity coefficient (dsc) به ترتیب 01/89، 95/89، 71/97، 63/98 و 86/93 درصد برای بخش‌بندی سلول و 43/91، 48/92، 13/96، 53/98 و 47/95 درصد برای بخش‌بندی هسته بودند. نتیجه‌گیری: در این پژوهش، روش جدیدی جهت بخش‌بندی و استخراج سلول‌های موثر در تشخیص سرطان میلوم متعدد از تصاویر میکروسکوپی با استفاده از مدل‌های تغییر شکل‌پذیر و روش خوشه‌بندی ارایه شد. نتایج ارزیابی نشان می‌دهد که الگوریتم پیشنهادی، عملکرد بخش‌بندی را در مقایسه با روش‌های قبلی بهبود داده است.