تشخیص رایانه‌ای انگل مالاریا با استفاده از روش‌های شناسایی الگو

Authors

  • عبدالامیر بهبهانی گروه حشره‌شناسی پزشکی، دانشکدۀ بهداشت، دانشگاه علوم پزشکی جندی‌شاپور اهواز، اهواز، ایران.
  • لیلا ملیحی گروه مهندسی برق، دانشکدۀ مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران.
  • کریم انصاری‌ اصل گروه مهندسی برق، دانشکدۀ مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران.
Abstract:

زمینه و هدف: در اکثر موارد فرآیند تشخیص بصری بیماری­ها وقت­گیر و دشوار بوده و نتیجه آن خیلی وابسته به تجربه و تخصص میکروسکوپیست­ها دارد؛ لذا تشخیص رایانه­ای بیماری­ها در کاهش زمان تشخیص و نیروی انسانی و نیز خطاهای موجود می­تواند کمک شایانی باشد. در این تحقیق، عملکرد چهار طبقه­بندی کننده در شناسایی رایانه­ای انگل مالاریا بررسی می­شود. روش بررسی: در این تحقیق 400 تصویر لام خونی آلوده به انگل مالاریا مورد استفاده قرار گرفت. ابتدا با ایجاد نقاب گلبول قرمز و تطبیق آن بر عناصر رنگی استخراج شده، فقط گلبول­های قرمز جهت بررسی­های بعدی مورد استفاده قرار گرفتند. سپس ویژگی­های هیستوگرام رنگ، گرانولومتری، بافت، هیستوگرام کانال اشباع و گرادیان استخراج شدند. برای تفکیک تصاویر انگلی از تصاویر غیرانگلی از چهار طبقه­بندی کننده K نزدیک­ترین همسایه (KNN)، نزدیک­ترین میانگین(NM) ، یک نزدیک­ترین همسایه(1NN)، و تفکیک­کننده خطی فیشر(Fisher)  استفاده شد. یافته­ها: بالاترین عملکرد را طبقه­بندی کننده  KNNبا دقت %5/92 داراست و بعد از آن طبقه­بندی کننده­های 1-NN،Fisher  و NM به ترتیب دارای دقت %25/90، %85 و %25/60 بودند. نتیجه­گیری: باتوجه به عملکرد خوب روش پیشنهاد شده، این روش می­تواند در طراحی نرم­افزار شناسایی رایانه­ای انگل مالاریا به محققین، مدیران و برنامه­ریزان کلان برای کنترل و تشخیص بیماری مالاریا کمک شایانی بنماید.  

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تشخیص خودکار انگل مالاریا با استفاده از پردازش تصویر و بینایی ماشین

از آنجا که فرآیند تشخیص بصری در تشخیص بیماری ها وقت گیر و دشوار است و باعث اختلاف نظر در بین میکروکوپیست ها می شود، تشخیص خودکار بیماری ها در کاهش وقت و نیروی انسانی و نیز خطاهای موجود می تواند کمک شایانی باشد. در راستای رسیدن به این هدف و به منظور تشخیص مالاریا به عنوان یکی از مهم ترین بیماری های انگلی، این پروژه بر آن است که مبتنی بر علم پردازش تصویر و بینایی ماشین سیستمی برای تشخیص بیماری ما...

استفاده از روش‌های تشخیص الگو در آنالیز داده‌های حسگر بویایی جهت شناسایی تقلبات گلوکز و فروکتوز در عسل

رایحۀ عسل یکی از پارامترهای مهم در طبقه‌بندی عسل به‌حساب می‌آید و بوی آن بسته به گل‌های مختلف، موقعیت جغرافیایی و ترکیبات تشکیل‌دهندۀ عسل می‌تواند متفاوت باشد. هدف از این تحقیق توسعه و ارزیابی یک سامانۀ ماشین بویایی به‌عنوان روشی نوین، مقرون‌به‌صرفه، سریع و غیرمخرب جهت شناسایی تقلب در عسل بود. برای این منظور ارتباط بین گازهای سر فضای عسل‌های با درصدهای مختلف تقلب (خالص، 20 درصد شربت، 40 درصد شر...

full text

توسعه و ارزیابی روشهای تشخیص کوبش با استفاده از سیگنال فشار درون سیلندر

روش‌های زیادی برای تعیین شدت کوبش با استفاده از علامت فشار درون استوانه وجود دارند و هدف اصلی در این مقاله توسعه و ارزیابی این روش‌ها با استفاده از اجرای آزمون در اتاق آزمون مجهز به لگام ترمز [10] با موتور EF7 است. در ابتدا تمامی روش‌های تعیین شدت کوبش بررسی میشود و با استفاده از مقایسه نتایج آزمون در شرایط ثابت, روش‌های بهینه معرفی می‌شوند. پس از تعیین شدت کوبش با روشی مناسب، می‌بایست حد مجازی...

full text

تشخیص خرابی در ورقهای چند لایه کامپوزیتی با استفاده از روشهای پردازش سیگنال امواج لمب

ابداع روش­های نوین و کارآمد برای تشخیص صحیح و بهنگام خرابی در ورق­های چندلایه کامپوزیتی ناشی از عواملی مانند ضربه یا برخورد اشیاء که منجر به ایجاد عیوبی نظیر شکاف، سوراخ یا جدایش بین لایه­ای می­گردد، همراه با افزایش استفاده از مواد مذکور به علت مزایای زیاد، از جمله استحکام ویژه بالا، مقاومت در برابر خستگی و خوردگی و همچنین سبکی، در محافل علمی و صنعتی بسیار مورد توجه قرار گرفته است. </st...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 14  issue 1

pages  66- 74

publication date 2015-03-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023