طبقه بندی گلبول های سفید با استفاده از شبکه عصبی کانولوشنی
نویسندگان
1
2
doi
10.29252/ismj.21.1.65چکیده
زمینه: مشاهده، دسته بندی و شمارش انواع مختلف گلبول های سفید در نمونه خون، یکی از گام های اساسی در درمان بیماری های مختلف است. هدف از انجام این پژوهش طراحی و پیاده سازی سیستمی سریع، قابل اعتماد و مبتنی بر پردازش تصاویر میکروسکوپی نمونه خون برای طبقه بندی چهار نوع از گلبول های سفید است. مواد و روش ها : در این مقاله، از روش خوشه بندی k-means اصلاح شده برای انجام عمل بخش بندی تصویر استفاده شده است. علاوه بر این، عمل طبقه بندی گلبول های سفید با استفاده از یک شبکه عصبی کانولوشنی عمیق و با کمک داده های موجود در پایگاه داده MISP – پایگاه داده رایگان و متشکل از تصاویر میکروسکوپی نمونه خون – انجام شده است. همچنین، روش های مختلف رگولاریزاسیون مثل حذف تصادفی و افزایش تعداد تصاویر پایگاه داده، برای جلوگیری از بیش برازشِ ( Overfitting ) مدلِ پیشنهادی مورد استفاده قرار گرفته اند. یافته ها: در بخش طبقه بندی، دقت شبکه عصبی برابر 99 درصد اندازه گیری شده است که نسبت به بسیاری از پژوهش های پیشین موفق تر بوده است. همچنین در بخش بخش بندی، شاخص اطلاعات متقابل برابر 73/0 حاصل شد. نتیجه گیری: نتایج حاصل از این پژوهش نشان می دهد طراحی و پیاده سازی سیستمی سریع و قابل اعتماد با کمک پردازش تصاویر میکروسکوپی نمونه خون با استفاده از روش های مختلف پردازش تصویر و یادگیری ماشین امکان پذیر است.