بازشناسی خودکار گلبول های سفید خون با استفاده از تصاویر میکروسکوپی

چکیده خون بافتی زنده و فعال است و فعالیت¬های حیاتی بدن ما به نحوی با سلامت آن بستگی دارد. امروزه سل¬کانترهای الکترونیکی در دو گروه اصلی شمارش تام و افتراقی سلول¬های خونی را انجام می¬دهند: اما هر دو گروه به دلیل محدودیت¬هایی نمی¬توانند جایگزین روش¬های میکروسکوپی شوند. جهت رفع موانع فوق و کمک به تشخیص بیماری¬ها، در این پروژه و در 3 فاز به ارائه روشی جهت بازشناسی خودکار لکوسیت¬های خون با استفاده از تصاویر میکروسکوپی، می¬پردازیم. در مرحله اول از تصویر تهیه شده از لام خونی رنگ¬آمیزی شده، یک زیر¬تصویر در محل لکوسیت¬ها، بدست می¬آید. در مرحله دوم به کمک روش پیشنهادی (ناحیه¬بندی سریع و هوشمند لکوسیت¬ها با استفاده از ماسک لکوسیت)، لکوسیت¬ها با دقت بالا و در زمان کوتاهی از باقی ذرات خون جداسازی می¬شود. در تهیه ماسک مذکور از نگاشت فضای 3-بعدی rgb، به 1-بعد؛ شامل بیشترین شدت روشنایی در راستای بردار مطلوب، و کمترین مقدار روشنایی در راستای بردار نامطلوب استفاده شده است. در مرحله سوم با بکارگیری روش¬های تحلیل مولفه¬های اساسی و تمایز داده فیشر بهترین ویژگی¬های رنگ، بافت و شکل ناحیه طبقه¬بندی شده استخراج می¬گردد؛ و به کمک طبقه¬بندی کننده¬های بیز، انفیس و الگوریتم سریع و برخط توابع پایه بیضوی، لکوسیت¬های خون در 5 گروه اصلی: بازوفیل، ائوزینوفیل، نوتروفیل، لنفوسیت و مونوسیت کلاس¬بندی می¬گردد. روش پیشنهادیِ بدست آوردنِ زیرتصویر ضمن عدم وابستگی به ناظر بیرونی، به طور کامل در تصاویر اولیه ضبط شده که فاقد نویز ناشی از لخته رنگ¬آمیزی می باشد، جوابگو بوده است. اما به نویز فلفل نمکی شبیه سازی شده¬ی نرم¬افزاری (نمونه همراه با لخته رنگ¬آمیزی) حساس می باشد. در بخش ناحیه¬بندی لکوسیت¬ها با استفاده از تمامی اطلاعات رنگی فضای 3-بعدی، سرعت روش ارائه شده به میزان چشمگیری، نسبت به آخرین فعالیت¬های صورت گرفته، بهبود یافته است. همچنین با استخراج ویژگی-های مناسب از بخش فوق، دقت طبقه¬بندی لکوسیت¬های خون 96% محاسبه گردیده است. کلید واژه: ناحیه¬بندی سلو¬ل¬های خونی، بازشناسی لکوسیت¬ها