مشخصات

زبان

بانک اطلاعاتی

فایل ها

توضیحات

m فایل متلب ، تصاویر هماتولوژی از پایگاه داده LISC ، کامنت گذاری کدها ، گزارش کار ۲ صفحه ای در فایل word و فیلم نحوه اجرا دارد - برای اجرای صحیح پروژه از MATLAB ۲۰۱۳a استفاده نمائید

۲۴۰,۰۰۰ تـــــومان

مطالب مرتبط

تقطیع و طبقه بندی تصاویر گلبول های سفید خون با شبکه عصبی کانولوشن (CNN) در متلب

  • چهارشنبه ۱۰ بهمن ۱۳۹۷
  • بازدید ۲,۹۷۹ نفر

تصویر leukocyte-images-segmentation-classification-cnn-matlab_2546_1 تقطیع و طبقه بندی تصاویر گلبول های سفید خون با شبکه عصبی کانولوشن (CNN) در متلب

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 400 تصویر می باشد. این تصاویر برای بخش هماتولوژی بوده و به جهت تقطیع و طبقه بندی با هدف تشخیص 5 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 6 فرد طبیعی گرفته شده و 400 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 100 بار بدست آمده و سپس این تصاویر توسط یک دوربین دیجیتال (سونی مدل SSCDC50AP) و در فرمت BMP با اندازه 720 × 576 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:

  1. بازوفیل (basophil)
  2. ائوزینوفیل (eosinophil)
  3. لنفوسیت (lymphocyte)
  4. مونوسیت (monocyte)
  5. 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 250 تصویر ارائه شده است.

 


تصویر 1
تصویر 2
تصویر 3
تصویر 4
تصویر 5
تصویر 6
تصویر 7
تصویر 8
تصویر 9
تصویر 10
تصویر 11
تصویر 12
تصویر 13
تصویر 14
تصویر 15
تصویر 16
تصویر 17
تصویر 18
تصویر 19
تصویر 20
باکس دانلود
شناسه:
۲۵۴۶
توضیحات:
m فایل متلب ، تصاویر هماتولوژی از پایگاه داده LISC ، کامنت گذاری کدها ، گزارش کار ۲ صفحه ای در فایل word و فیلم نحوه اجرا دارد - برای اجرای صحیح پروژه از MATLAB ۲۰۱۳a استفاده نمائید
قیمت:
۲۴۰,۰۰۰ تـــــومان
ثبت نظر
ریفریش کنید!
نظرات کاربران (۲ مورد)
  1. تصویر آواتار کاربر 0
    ن دوشنبه , 5 فروردین

    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؟

    • تصویر آواتار کاربر 1
      یعثوب سیفی زادهدوشنبه , 5 فروردین

      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.