این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۱۵، شماره ۲، صفحات ۴۵-۵۴
عنوان فارسی الگوریتم بهینه تقسیم بندی تصاویر میکروسکوپی خون برای تشخیص سلول های لوسمی حاد لنفوبلاست با استفاده از الگوریتم FCMو بهینه سازی ژنتیک
چکیده فارسی مقاله سرطانها گروهی از بیماریها هستند که بصورت رشد بی رویه و خارج از کنترل تعدادی از سلولها، ایجاد می­شوند و حدود 200 نوع مختلف دارند. یکی از انواع‌ سرطان لوسمی (خون) می­باشد. تشخیص سرطان خون در بیمارستان‌ها و مراکز درمانی با تهیه لام از بافت خون و قراردادن زیر میکروسکوپ و توسط یک‌ متخصص پاتولوژی صورت می‌گیرد. پاتولوژیست‌ها با توجه به شکل و تعداد گلبولهای موجود در خون نوع بیماری را مشخص می‌کنند. هدف از این مقاله ارائه مدلی هوشمند با استفاده از الگوریتم  FCM[1] به منظور خوشه بندی و شبکه عصبی برای انتخاب ویژگی‌ها می‌باشد. همچنین در آن از الگوریتم ژنتیک در مرحله بهبود الگوهای تشخیصی استفاده شد. با استفاده از این مدل می توان به تشخیص زود هنگام سرطان  لوسمی حاد لنفوبلاست و سپس دسته بندی ALL[2] به سه زیر شاخه مورفولوژیکی (L1، L2 وL3) اقدام کرد. در این تحقیق نمونه‌هایی از 38 بیمار سرطانی لوسمی حاد لنفوییدی تهیه گردید. این مطالعه بر روی 68 تصویر میکروسکوپی و با در نظر گرفتن 15 ویژگی هندسی و آماری انجام شد که نتیجه آن حاکی از حساسیت، ویژگی و دقت بالاتر برای 10 ویژگی نسبت به سایر ویژگی ها بود. بر اساس ویژگی های استخراج شده، این روش با سه روش مشابه اخیر مقایسه گردید. ارزیابی ها نشان داد که روش پیشنهادی به طور میانگین پارامترهای حساسیت، ویژگی و دقت را به میزان 15/85%، 17/98% و 53/96% به دست آورد.   1. Fuzzy C-means Clustering  2. Acute Lymphoblastic Leukemia   
کلیدواژه‌های فارسی مقاله سرطان خون، الگوریتم FCM، شبکه عصبی، الگوریتم ژنتیک، خوشه بندی
عنوان انگلیسی Division microscopic images of blood to detect lymphoblasts in acute leukemia cells using genetic optimization algorithm and FCM
چکیده انگلیسی مقاله Cancers are types of diseases caused by irregular and out of control growth of cells, which consist of 200 types. Leukemia is as a type of cancer (blood cancer). Diagnosing leukemia is performed at hospitals or medical centers by providing blood tissue that is smeared across a slide and then examined under a microscope by a pathologist. Pathologists diagnose the type of disease based on the appearance and numbers of blood cells. At this article the aim is to present a smart model by using FCM algorithm for clustering and neural networks for feature selection. Genetic algorithm is used at recovery level for optimization purpose. This model diagnoses acute lymphoblastic leukemia at early stages and categorizes ALL into three morphological subcategories (L1, L2, and L3). In this study, 38 samples of patients with acute lymphoblastic leukemia were collected. This study was performed on 68 microscope images in terms of 15 features and yielded to higher percentage of sensitivity, specifity and accuracy for 10 out of 15 features. The proposed method was compared with three recent methods. The evaluations showed that the proposed method achieved to 85.15%, 98.17% and 96.53% in terms of sensitivity, specifity and accuracy, respectively.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله عباس کریمی | Abbas Karimi
Arak Branch, Islamic Azad UNiversity
دانشگاه ازاد اراک

لیلا سادات حسینی | Leila Sadat Hoseini
Arak Branch, Islamic Azad UNiversity
دانشگاه ازاد اراک

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-883-3&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-877396.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش تصویر
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات