تشخیص مالاریا در متلب با پردازش تصویر
تشخیص مالاریا در متلب با پردازش تصویر:انجام پروژه متلب
انجام پروژه متلب:در این بخش پروژه تشخیص انگل مالاریا از تصاویر کله های خونی را در نرم افزار MATLAB با عنوان مقاله Blood Smear Malarial Parasite Detection آماده کرده ایم که در ادامه به معرفی این پروژه پردازش تصویر پرداخته و فیلم و تصاویری از خروجی ها به همراه لینک دانلود مقاله مرجع قرار داده شده است.
بیماری مالاریا
انجام پروژه متلب:مالاریا، یک بیماری منتقله خون است که توسط پشه ها منتقل می شود و شامل عفونت های گلبول قرمز در انسان و سایر موجودات توسط آغازیان (پروتستان) های جنس پلاسمودیوم می شود. وضعیت فعلی هنر برای تشخیص پزشکی و اهداف تحقیقات شامل جمع آوری نمونه خون از بیمار یا موضوع پژوهشی می باشد. این نمونه خون بر روی یک اسلاید قرار می گیرد و به منظور رنگ آمیزی سلول های رنگی، رنگ می شود. از آنجایی که گلبول های قرمز بالغ حاوی هسته نیست، رنگ تنها شدت علائم انگل مالاریا را نشان می دهد. سپس می توان اسلاید را تحت یک میکروسکوپ مورد بررسی قرار داد تا تعداد گلبول های قرمز آلوده را شمارش کرد.
معرفی مقاله
این مقاله یک خط لوله پردازش تصویر اجرا شده در برنامه متلب را توصیف می کند که انگل های پلاسمودیوم فالسیپاروم را در یک میکروگراف اسلاید اسمیر خون تشخیص می دهد و تلاش می کند تا مشخص شود که گلبول های قرمز در یک تصویر آلوده هستند. اثربخشی این خط لوله نشان داده شده و تعدادی از پیشرفت های بالقوه جهت توسعه بیشتر مورد بحث قرار گرفته است.
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 مالاریا و شناسایی انگل مالاریا و مراحل زندگی یکی از انواع این انگل در تصویر رنگ آمیزی شده خون بدست آورد. در این تحقیق ۴۰۰ تصویر لام خونی آلوده به انگل مالاریا که قبلاً وجود انگل در آنها تأیید شده بود مورد استفاده قرار گرفت و از نرم افزار matlab جهت شبیه سازی استفاده شد. نخست ماسک گلبول قرمز از سایر عناصر رنگی خون نظیر انگل، گلبول سفید، و پلاکت جدا شد. در مرحله بعد ماسک گلبول قرمز بر عناصر رنگی استخراج شده تطبیق داده شد تا فقط گلبول های قرمز جهت بررسی های بعدی مورد استفاده قرار گیرند. در ادامه ویژگی های هیستوگرام رنگ،گرانولومتری، بافت، هیستوگرام کانال اشباع و گرادیان استخراج شدند و برای تفکیک تصاویر انگلی از تصاویر غیر انگلی از طبقه بندهای مختلف و ترکیب آن ها استفاده شد. در این مرحله با استفاده از الگوریتم آدابوست و بر پایه ی طبقه بند درخت تصمیم گیری به دقت ۵/۹۵ درصد رسیدیم که نسبت به کارهای پیشین بهبود خوبی داشته ایم. در ادامه به شناسایی مراحل زندگی گونه فراوان انگل مالاریا در ایران یعنی پلاسمودیوم ویواکس پرداختیم. روش کار همانند تشخیص انگل است با این تفاوت که ویژگی های این قسمت اندکی متفاوت است. در این مرحله با ترکیب طبقه بندهای qdو فیشر از قانون حاصل ضرب به دقت ۹۸/۳۳% رسیدیم که نسبت به کارهای گذشته بسیار بهبود داشت.
خروجی متلب:
دیدگاه ها