سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

صفحه اصلی / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

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

نویسندگان :

حوریا خرمکی¹ سید مهدی صالحی² مهدیه قاسمی³

1- دانشگاه نیشابور 2- دانشگاه نیشابور 3- دانشگاه نیشابور

کلمات کلیدی :

پردازش تصویر،گراف بر پایه نمونه گیری و تجمیع،آستانه گذاری اوتسو،فضای رنگی

چکیده :

در دهه‌های اخیر، پیشرفت‌های قابل‌توجه 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 پیش‌پردازش شدند. سپس تصاویر به فضای رنگی HSV و CMYK تبدیل شده و با استفاده از تفاوت کانال‌های K و M، فیلتر گوسی و آستانه‌گذاری اوتسو، ماسک باینری هسته‌های گلبول‌های سفید استخراج گردید. نوآوری ما در این مقاله در جداسازی گلبول های سفید با دقت بالا بود . از اختلاف کانال هایH از Cr در فضاهای رنگی YCbCr ، HSV 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 نمونه‌گیری و تجمیع، بهینه‌سازی شدند. نتایج نشان دادند که این روش با دقت 93.5٪ در شناسایی گلبول‌های سفید عملکرد موفقی داشته و می‌تواند به عنوان ابزاری مؤثر در تحلیل‌های تشخیصی پزشکی مورد استفاده قرار گیرد.

لیست مقالات

لیست مقالات بایگانی شده

نرم افزار استعدادیابی ورزشی مبتنی بر هوش مصنوعی و ترانسفر ورزش ایران (ترابال)

محمدرضا عبدی جله کران

تاثیر هوش مصنوعی بر تجارت الکترونیک: تحول توسعه، تجربه مشتری و عملیات تجاری

سجاد یوسفی - مریم پور نجف - مازیار دوستی تنها

Dynamic Cross-Frequency Coupling Reveals Task Dependent Neural Engagement During Varying Cognitive Demands

Seyed Saman Sajadi - Babak Fazli - Fateme Karbasi - Ehsan Garosi - Milad Jalilian - Soheila Hosseinzadeh - Amir Homayoun Jafari - Seyed Abolfazl Zakerian