SUMMARY This paper proposes a metho

SUMMARY This paper proposes a method for classifying leukemia. Leukemia is divided into 2 categories which are acute leukemia and chronic leukemia and other subordinate types. Our work focuses on classification of Foil of Bretagne (Lymphoid) and Almeida Lloyd (Myeloid). The experiment results showed that the performance of identification leukemia using our image processing techniques could classify Lymphoid stem cells and Myeloid stem cells. The features are extracted from the segmented images and classified using the Support Vector Machine (SVM). The method has been evaluated using a set of 100 images with 50 abnormal samples and 50 normal samples obtained. The computer simulations show that the proposed system robustly segments and classifies blood images. Features extracted from the segmented cytoplasm and nucleus, are motivated by the visual cues of shape and texture. The MIC classification proposed six subtypes of ALL and 10 subtypes of AML that are characterized by unique morphologic, immunologic, and cytogenetic features Immunologic (MIC group) markers CD34 stem cell. We have obtained an accuracy of 91.29 %.

ผลลัพธ์ (ไทย) 1:

สรุปเอกสารนี้เสนอวิธีการจัดประเภทมะเร็งเม็ดเลือดขาว มะเร็งเม็ดเลือดขาวแบ่งออกเป็น 2 ประเภทได้แก่มะเร็งเม็ดเลือดขาวเฉียบพลัน และเรื้อรังมะเร็งเม็ดเลือดขาว และชนิดย่อยอื่น ๆ งานของเราเน้นประเภทฟอยล์ Bretagne (Lymphoid) และ Almeida ลอยด์ (Myeloid) ผลการทดลองพบว่า ประสิทธิภาพของมะเร็งเม็ดเลือดขาวรหัสที่ใช้เทคนิคการประมวลผลภาพของเราสามารถแบ่งประเภท Lymphoid เกิดเซลล์และเซลล์ต้นกำเนิดชนิดไมอิลอยด์ ที่สกัดจากภาพแบ่งส่วน และจำแนกประเภทโดยใช้เครื่องจักรสนับสนุนเวกเตอร์ (SVM) วิธีการมีการประเมินใช้ชุดภาพ 100 กับ 50 ตัวอย่างผิดปกติและตัวปกติ 50 อย่างได้ แบบจำลองคอมพิวเตอร์แสดงว่า ระบบการนำเสนออย่างทนทานส่วน และประมวลภาพเลือด คุณลักษณะที่แยกจากนิวเคลียส ไซโทพลาซึมแบ่งเป็นส่วน ๆ และมีแรงจูงใจ โดยสัญลักษณ์ภาพของรูปร่างและพื้นผิว การจัดประเภท MIC เสนอ subtypes หกทั้งหมดและ subtypes 10 ของภาษาที่มีลักษณะ โดยเฉพาะ morphologic, immunologic, cytogenetic คุณลักษณะ Immunologic (MIC กลุ่ม) เครื่องหมาย CD34 สเต็มเซลล์ เราได้รับความถูกต้องของ 91.29%

ผลลัพธ์ (ไทย) 2:

สรุปบทความนี้เสนอวิธีการจำแนกโรคมะเร็งเม็ดเลือดขาว โรคมะเร็งเม็ดเลือดขาวแบ่งออกเป็น 2 ประเภทคือโรคมะเร็งเม็ดเลือดขาวและมะเร็งเม็ดเลือดขาวเฉียบพลันเรื้อรังและผู้ใต้บังคับบัญชาประเภทอื่น ๆ การทำงานของเรามุ่งเน้นไปที่การจัดหมวดหมู่ของฟอยล์ของ Bretagne (น้ำเหลือง) และไมย์ลอยด์ (เม็ดเลือด) ผลการทดลองแสดงให้เห็นว่าการทำงานของเม็ดเลือดขาวระบุโดยใช้เทคนิคการประมวลผลภาพของเราสามารถจำแนกเซลล์ต้นกำเนิดน้ำเหลืองและเซลล์ต้นกำเนิดเม็ดเลือด คุณสมบัติที่เป็นสารสกัดจากภาพแบ่งส่วนแบ่งการใช้เครื่องเวกเตอร์สนับสนุน (SVM) วิธีการได้รับการประเมินโดยใช้ชุดของ 100 ภาพกับ 50 ตัวอย่างผิดปกติและ 50 ตัวอย่างตามปกติท​​ี่ได้รับ คอมพิวเตอร์จำลองแสดงให้เห็นว่าระบบที่นำเสนออย่างมากส่วนและแยกประเภทภาพเลือด คุณสมบัติสกัดจากพลาสซึมแบ่งนิวเคลียสและมีแรงบันดาลใจจากตัวชี้นำภาพของรูปร่างและพื้นผิว การจัดหมวดหมู่ MIC เสนอหกชนิดย่อยของทั้งหมดและ 10 ชนิดย่อยของ AML ที่มีลักษณะรูปร่างที่ไม่ซ้ำกันภูมิคุ้มกันและมีภูมิคุ้มกันทาง cytogenetic (กลุ่ม MIC) เครื่องหมายเซลล์ต้นกำเนิด CD34 เราได้รับความถูกต้องของ 91.29%

ผลลัพธ์ (ไทย) 3:

สรุปบทความนี้เสนอวิธีการในการแบ่งประเภทลูคีเมีย เม็ดเลือดขาวแบ่งเป็น 2 ประเภท ซึ่งเป็นลูคีเมียเฉียบพลันและมะเร็งเม็ดเลือดขาวเรื้อรังและประเภทอื่น ๆ ผู้ใต้บังคับบัญชา งานของเราเน้นในประเภทฟอยล์ของแคว้นเบรอตาญ ( น้ำเหลือง ) และ อัลเมด้า ลอยด์ ( 10 )จากผลการทดลองพบว่า ประสิทธิภาพของการจำแนกมะเร็งเม็ดเลือดขาวด้วยเทคนิคการประมวลผลภาพของเราสามารถจำแนกเซลล์ต้นกำเนิดและเซลล์เม็ดเลือดชนิดก้าน คุณสมบัติสารสกัดจากภาพและการแบ่งส่วนแบ่งสนับสนุนเวกเตอร์เครื่องจักร ( SVM ) วิธีการได้รับการประเมินการใช้ชุด 100 รูปกับ 50 ตัวอย่างผิดปกติและ 50 อย่างปกติได้จำลองคอมพิวเตอร์แสดงให้เห็นว่า ระบบเลือดและคึกคัก ส่วนประมวลภาพ คุณสมบัติสกัดจากไซโทพลาซึมและนิวเคลียสแบ่งเป็นแรงจูงใจ โดย คิวภาพรูปร่างและพื้นผิว การจัดหมวดหมู่ MIC เสนอหกชนิดย่อยของทั้งหมดและ 10 ชนิดย่อยของ AML ที่มีลักษณะพิเศษรูปร่าง immunologic , ,และคุณสมบัติทางภูมิคุ้มกันวิทยารี ( MIC ) กลุ่มเครื่องหมาย cd34 สเต็มเซลล์ เราได้รับการรับรองความถูกต้องของ 91.29 %