Розпізнавання клітин крові

Автор(и)

  • Г.Ю. Терещенко Харківський національний університет радіоелектроніки, Ukraine https://orcid.org/0000-0001-8731-2135
  • Г.Г. Четвериков Харківський національний університет радіоелектроніки, Ukraine https://orcid.org/0000-0001-5293-5842
  • І. Конарієва Університет Комплютенсе, Мадрид (UCM), Іспанія, Spain

DOI:

https://doi.org/10.30837/bi.2019.1(92).05

Ключові слова:

РАХУНОК КІЛЬКОСТІ КЛІТИН, ЦИФРОВА МІКРОСКОПІЯ, СЕГМЕНТАЦІЯ ЗОБРАЖЕНЬ

Анотація

Розглянуто структуру системи аналізу медичних зображень. Наведено алгоритм роботи системи розпізнавання клітин крові. Сформульовано основні завдання, які вирішуються при проведенні морфологічного аналізу крові. Визначено вимоги до алгоритму при визначенні лейкоцитарної формули і виявленні формених елементів крові на мазку. Запропоновано модель цветояркостних характеристик для опису типових зображень мазка крові. Визначено порогові значення розмірів об'єктів при пошуку клітин. Досліджено гістограма яскравості типового поля зору. Описано двоетапний алгоритм виявлення клітин крові, а також алгоритм побудови розділяючої прямої на площині відносних кольорів. Наведено результати експериментів на реальних препаратах. Розглянуто причини виникнення помилок виявлення.

Біографії авторів

Г.Ю. Терещенко, Харківський національний університет радіоелектроніки

Аспірант, асистент кафедри програмної інженерії Харківського національного університету радіоелектроніки.

Г.Г. Четвериков, Харківський національний університет радіоелектроніки

Доктор технічних наук, професор кафедри програмної інженерії Харківського національного університету радіоелектроніки

І. Конарієва, Університет Комплютенсе, Мадрид (UCM), Іспанія

Аспірант Університету Комплютенсе, Мадрид (UCM)

Посилання

Dahmen J., Hektor J., Perrey R., Ney H. Automatic Classification of Red Blood Cells Using Gaussian Mix-ture Densities // Proc. Bildverarbeitung für die Medizin. – 2000. – P. 331–335.

Costrarido L. Medical Image Analysis Methods: Evaluation Strategies for Medical-image Analysis. – Taylor & Francis, United Stated of America, 2005. – P. 433–471.

Kumar B.R., Joseph D.K., Teager T.V.S. Energy Based Blood Cell Segmentation // 14th International Con-ference on Digital Signal Processing. – DSP, 2002. – 1–3 July. – Santorini, Greece. – V. 2. – P. 619–622.

Bamford P. Empirical Comparison of Cell Segmentation Algorithms Using an Annotated Dataset // Proc. IEEE International Conference on Image Processing. – 2003. – V. 2. – P. 1073–1077.

Mukherjee D.P., Ray N., Acton S.T. Level Set Analysis for Leukocyte Detection and Tracking // IP. – 2004. – V. 13. – № 4. – P. 562–572.

Park J., Keller J.M. Snakes on the Watershed // IEEE Transactions on Pattern Analysis and Machine Intelli-gence. – PAMI, 2001. – V. 23. – № 10. – P. 1201–1205.

Sinha N., Ramakrishnan A.G. Blood Cell Segmentation Using EM Algorithm // Proc. Third Indian Confer-ence on Computer Vision. Graphics Image Processing (ICVGIP), 2002. – Ahmadabad, India, 2002, Decem-ber 16–18. – P. 376–382.

Kumar R.S., Verma A., Singh J. Color Image Segmentation and Multi-Level Thresholding by Maximization of Conditional Entrophy // International Journal of Signal Processing. – 2006. – V. 3. – № 1. – P. 121–125.

Mcinerney T., Terzopoulos D. Deformable models in medical image analysis: A survey // Med Image Anal. – 1996. – P. 91–108.

Cormen T.H., Leisorson C.E., Rivest R.L. Introduction to Algorithms. – MIT Press, 1990. – P. 185–191.

Canny J.F. A computational approach to edge detection // IEEE Trans. Pattern Analysis and Machine Intelligence. – 1986. – P. 679–698.

##submission.downloads##

Опубліковано

2019-06-02