فهرست نشریات علمی دسترسی آزاد ایران

مقدمه: لوسمی حاد لنفوئیدی (Acute lymphocytic leukemia یا ALL) یکی از شایع‌ترین انواع سرطان خون در میان کودکان می‌باشد. با توجه به تعداد زیاد آزمایشگاه‌های تشخیص طبی، به نظر می‌رسد در آزمایشگاه‌هایی که فرد خبره‌ای به منظور تشخیص نهایی ALL حضور ندارد، نرم‌افزار می‌تواند ابزار مناسبی در جهت اهداف کمک تشخیصی باشد. هدف از انجام پژوهش حاضر، استفاده از خصوصیات هندسی و آماری هسته‌ها در ایجاد یک سیستم تشخیص اتوماتیک دقیق بود.روش‌ها: در این مطالعه با استفاده از الگوریتم تقطیع اتوماتیک، هسته‌ی سلول‌های سرطانی از تصاویر موجود جدا شد. با توجه به این که ویژگی‌های آشوب‌گونه باعث تمایز معنی‌داری در الگوهای رشته‌ای و لبه‌ها می‌گردد، در مرحله‌ی بعد سه دسته ویژگی هندسی، آماری و آشوب‌گونه از سلول‌ها استخراج گردید. به منظور تشخیص و طبقه‌بندی، الگوریتم ماشین بردار پشتیبان (Support vector machines یا SVMs) برای طبقه‌بندی مورد استفاده قرار گرفت.یافته‌ها: روش پیشنهادی بر روی 312 تصویر میکروسکوپی شامل سلول‌های سالم و سرطانی مورد ارزیابی قرار گرفت. یافته‌ها، صحت بالای ۹۲ درصد و دقت بالای ۹۳ درصد در شش گروه سلول را نشان داد. بررسی سطح زیر منحنی (Receiver operating characteristic یا ROC) نشان دهنده‌ی کارایی بالای ۹۱ درصد در روش پیشنهادی بود.نتیجه‌گیری: نتایج نشان دهنده‌ی کارامد بودن ویژگی‌های مذکور در طبقه‌بندی سلول‌های ALL است. از جمله امتیازات استفاده از ویژگی‌های آشوب‌گونه می‌توان به ایجاد تمایز در هسته‌ی سلول‌های سالم و سرطانی (که در اندازه و کروماتین تفاوت دارند) و استفاده از ویژگی‌های شکل ناهمگون سیتوپلاسم سلول‌های سالم اشاره نمود.