عنوان مقاله:
تشخیص لوسمی با استفاده از یادگیری ماشینی
Detection of Leukemia using Machine Learning
سال انتشار: 2022
رشته: پزشکی - مهندسی کامپیوتر
گرایش: سرطان شناسی - آنکولوژی - خون شناسی (هماتولوژی) - هوش مصنوعی
دانلود رایگان این مقاله:
مشاهده سایر مقالات جدید:
V.PROPOSED SYSTEM
In the proposed system,peripheral blood smear images which are microscopic images of the blood samples are taken as the input datasets.The images collected are preprocessed by using various filters.The process of segmentation is performed by using zack algorithm where wbc detection happens and lymphocytes are grouped together.Feature extraction is followed by segmentation process and various features including cell structure,size,nuclei,cytoplasm are extracted and finally classification is done using CNN with which we detect leukemia and hence the lives of millions of people can be saved by detecting it in a very early stage.We have used CNN for classification purpose because comparing to existing models namely SVM classifier,ANN,KNN and so on the performance is efficient with CNN method and accuracy of the project is high.
VI.SYSTEM IMPLEMENTATION
The implemention starts with collecting the peripheral blood smear images..Once the images are collected they are fed as input for classification process to take place.Initial stage of classification is data preprocessing followed by segmentation of the wbc’s separately,then feature extraction happens and finally classification is performed.Classification is the stage by which we detect the presence of leukemic cells by undergoing comparision of the input image with the features set.It is performed by using CNN algorithm.The final stage will provide the desired output of whether leukemic cells are present in the blood or not.
VII.MODULE DESCRIPTION:
The entire implementation is split up into fourmodules for easier processing. Module 1: ImagePreprocessing Module 2: Segmentation Module 3:Feature extraction Module 3: Classification of leukemic cells The output obtained at the end of imagepreprocessingstage will be segmented in the next stage and by using convolutional neural network technique it undergoes classification process successfully.
(دقت کنید که این بخش از متن، با استفاده از گوگل ترنسلیت ترجمه شده و توسط مترجمین سایت ای ترجمه، ترجمه نشده است و صرفا جهت آشنایی شما با متن میباشد.)
V. سیستم پیشنهادی
در سیستم پیشنهادی، تصاویر اسمیر خون محیطی که تصاویر میکروسکوپی از نمونه‌های خون هستند به عنوان مجموعه داده ورودی گرفته می‌شوند. تصاویر جمع‌آوری‌شده با استفاده از فیلترهای مختلف پیش پردازش می‌شوند. فرآیند تقسیم‌بندی با استفاده از الگوریتم zack در جایی که تشخیص wbc اتفاق می‌افتد و لنفوسیت‌ها انجام می‌شود. استخراج ویژگی با فرآیند تقسیم‌بندی دنبال می‌شود و ویژگی‌های مختلفی از جمله ساختار سلول، اندازه، هسته، سیتوپلاسم استخراج می‌شود و در نهایت با استفاده از CNN طبقه‌بندی انجام می‌شود که با آن سرطان خون را تشخیص می‌دهیم و از این رو می‌توان با شناسایی جان میلیون‌ها نفر را نجات داد. ما از CNN برای طبقه‌بندی استفاده کرده‌ایم زیرا در مقایسه با مدل‌های موجود یعنی طبقه‌بندی کننده SVM، ANN، KNN و غیره، عملکرد با روش CNN کارآمد است و دقت پروژه بالاست.
VI.SYSTEM پیاده سازی
اجرا با جمع‌آوری تصاویر اسمیر خون محیطی شروع می‌شود. پس از جمع‌آوری تصاویر، به عنوان ورودی برای انجام فرآیند طبقه‌بندی تغذیه می‌شوند. مرحله اولیه طبقه‌بندی، پیش پردازش داده‌ها و سپس تقسیم‌بندی wbc به طور جداگانه است، سپس استخراج ویژگی انجام می‌شود و در نهایت استخراج ویژگی انجام می‌شود. طبقه‌بندی مرحله‌ای است که در آن با مقایسه تصویر ورودی با ویژگی‌های مجموعه، وجود سلول‌های لوسمی را تشخیص می‌دهیم. با استفاده از الگوریتم CNN انجام می‌شود. مرحله نهایی خروجی مورد نظر را از اینکه آیا سلول‌های لوسمیک هستند ارائه می‌دهد. در خون وجود دارد یا نه
