الوصف
تُستخدم عينات الأنسجة ، التي تُستخرج عادةً من الخزعات أو العمليات الجراحية أو الاستئصال ، للتشخيص السريري والتشخيص لملايين المرضى كل عام. في عام 2014 ، قام برنامج Medicare ، الذي يغطي ما يقرب من 30 ٪ من سكان الولايات المتحدة ، بسداد تكاليف التحليل المجهري لعينات الأمراض ما يقرب من 20 مليون مرة ، بقيمة 964 مليون دولار.
تتكون خوارزمية تجزئة النوى الخاصة بنا من ثلاث خوارزميات إدخال: اكتشاف علامة المقدمة ، واكتشاف علامة الخلفية ، وحساب التدرج. نظرًا لأن الأخير بسيط إلى حد ما ، فنحن بحاجة إلى التحقيق في فعالية خوارزميات علامات المقدمة والخلفية. يوضح الشكل 1 هذا ، ويظهر كلاً من علامات المقدمة (المناطق السوداء في وسط كل خلية) ، وعلامات الخلفية (الخطوط السوداء).
في هذا العمل ، قمنا بالتحقيق في استخدام المصنف الخطي الخاضع للإشراف للتنبؤ بما إذا كان البكسل ينتمي إلى نواة بناءً على لونها. هذا مفيد لعدد من الأسباب.
1. يسمح بالمرونة عند التعامل مع أنواع الأنسجة المختلفة وبروتوكولات التلوين. على سبيل المثال ، إذا كان المستخدم يقوم بتصوير الثدي أو أنسجة الرأس والرقبة ، فسيكون المصنف نفسه قادرًا على التكيف مع التغيرات في الإضاءة وأنظمة الألوان وأجهزة فحص الأمراض الرقمية.
2. من خلال ملاحظات المستخدم الإضافية (على سبيل المثال ، يحدد المستخدم الإيجابيات الخاطئة والسلبيات الخاطئة في التقسيم النهائي) ، من الممكن تحسين خوارزمية التجزئة بأكملها.
MATLAB Implementation of segmentation-based disparity averaging
المراجعات
لا توجد مراجعات بعد.