Loading...
تقطیع و طبقه بندی تصاویر گلبول های سفید خون (تصاویر لکوسیتی) با متلب
در این بخش پروژه تقطیع و طبقه بندی تصاویر گلبول های سفید خون (تصاویر لکوسیتی) با شبکه عصبی کانولوشن (CNN) را با پایگاه داده LISC در نرم افزار MATLAB به همراه فیلم نحوه اجرا و کامنت گذاری کدها آماده کردیم که در ادامه به معرفی پروژه و تصاویر استفاده شده پرداخته و فیلم و تصاویر خروجی در محیط متلب قرار داده شده است.
معرفی پروژه
در این پروژه پردازش تصویر از مجموعه داده های تصاویر لکوسیتی (Leukocyte) که پایگاه داده LISC نامیده می شود، استفاده شده که تصایر موجود در آن با کیفیت بالا و به تعداد به بیش از ۴۰۰ تصویر می باشد. این تصاویر برای بخش هماتولوژی بوده و به جهت تقطیع و طبقه بندی با هدف تشخیص ۵ نوع مختلف از خون مورد استفاده قرار می گیرد. هدفی که در این پروژه دنبال می شود، استفاده از اصول و تکنیک های پردازش تصویر، شامل بهسازی هیستوگرام، فیلتر گابور، الگوریتم K-means همراه با درخت الگوریتم دکسترا (dijkstra algorithm) می باشد. در آخر یک روش آموزش محور به منظور تعمیم پذیری تصاویر مختلف استفاده شده که مبتنی بر یادگیری عمیق (Deep Learning) می باشد که از روش شبکه عصبی کانولوشن (CNN) استفاده می کند.
معرفی پایگاه داده LISC
پایگاه داده تقطیع و طبقه بندی تصاویر لکوسیتی (Leukocyte Images for Segmentation and Classification – LISC) شامل تصاویر هماتولوژیکی تهیه شده از خون افراد سالم است. این پایگاه داده به منظور ارزیابی مقایسه ای از تکنیک های مختلف در تقسیم بندی (تقطیع) هسته و سیتوپلاسم و همچنین تشخیص سلول های سفید خون در تصاویر هماتولوژی تهیه شده است.
توضیحات داده
نمونه ها از خون ۶ فرد طبیعی گرفته شده و ۴۰۰ نمونه تصاویر میکروسکوپی از آنها تهیه شده است. اسلایدهای میکروسکوپی با روش Gismo-Right رنگ آمیزی شدند و تصاویر با استفاده از یک میکروسکوپ نوری (Microscope-Axioskope 40) و یک لنز آکرومایتی با بزرگنمایی ۱۰۰ بار بدست آمده و سپس این تصاویر توسط یک دوربین دیجیتال (سونی مدل SSCDC50AP) و در فرمت BMP با اندازه ۷۲۰ × ۵۷۶ پیکسل ذخیره شده است. همه آنها تصاویر رنگی هستند و از مرکز هماتولوژی – انکولوژی و مرکز تحقیقات BMT بیمارستان امام خمینی تهران تهیه شده است. تصاویر توسط یک هماتولوژیست (پزشک خون شناسی) به لکوسیت های طبیعی (گلبول های سفید) طبقه بندی شدند که این طبقه بندی شامل موارد زیر است:
- بازوفیل (basophil)
- ائوزینوفیل (eosinophil)
- لنفوسیت (lymphocyte)
- مونوسیت (monocyte)
- نوتروفیل (neutrophil)
همچنین مناطق مرتبط با هسته و سیتوپلاسم توسط پزشک متخصص به صورت دستی تقسیم شدند. قابل ذکر است که تقسیم بندی دستی تنها برای ۲۵۰ تصویر ارائه شده است.
تصاویری از خروجی
با سلام میخواستم نتایج طبقه بندی سلول های سفید با شبکه کانولوشن رو بدونم؟ و اینکه کاملا نحوه استخراج ویژگی با شبکه و طبقه بندی با cnn توضیح داده شده است؟
سلام تمامی نتایج حاصله از خروجی پروژه در سایت قابل مشاهده است. کدها دارای کامنت گذاری است، یعنی به صورت کلی و مختصر به زبان انگلیسی توضیح داده شده که مثلا این بخش از کدها در پروژه فلا کار رو انجام میده. گزارش کار نیز شامل همین توضیحاتی است که در سایت برای معرفی پروژه نوشته شده.