کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
1589037 1515159 2014 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Development of hedge operator based fuzzy divergence measure and its application in segmentation of chronic myelogenous leukocytes from microscopic image of peripheral blood smear
ترجمه فارسی عنوان
اندازه گیری واگرایی فازی مبتنی بر اپراتور هجومی و کاربرد آن در تقسیم سلول های لیکنی میلوئید مزمن از میکروسکوپی اسمیر خون محیطی
کلمات کلیدی
واگرایی فازی اصلاح شده، آنتروپی نمایشی شانون، آنتروپی یگر، لوسمی میلوئیدی مزمن،
ترجمه چکیده
این مقاله یک روش اندازه گیری واگرا فازی بر پایه اپراتور هجدی و کاربرد آن در تقسیم لکوسیت ها در مورد لوسمی مزمن میلوگوئین را با استفاده از تصاویر میکروسکوپی نوری از اسمیر های محیطی معرفی می کند. مفهوم اندازه گیری تبعیض اصلاح شده برای توسعه اندازه گیری واگرایی بر اساس آنتروپی نمایشی شانون و اندازه ی آنتروپی یگر استفاده شده است. این دو اندازه گیری واگرایی با ادبیات موجود مقایسه شده و با تصاویر حقیقی زمین معتبر است. در نهایت، مشخص شده است که اندازه گیری واگرایی بر مبنای اپراتور هجایی با استفاده از آنتروپی یگر، دقت تقسیم بندی را بهتر می کند، یعنی 98.29٪ برای طبیعی و 15.91٪ برای لکوسیت های مزمن میلوگوئین. علاوه بر این، شاخص جاکارتا برای مقایسه تصویر تقسیم شده با حقیقت زمین انجام شده است که نشان می دهد که طرح پیشنهادی به شاخص ژاکارد بالاتر (0.39 برای عادی، 0.24 برای لوسمی مزمن میلوئیدی) منجر می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی مواد دانش مواد (عمومی)
پیش نمایش مقاله
اندازه گیری واگرایی فازی مبتنی بر اپراتور هجومی و کاربرد آن در تقسیم سلول های لیکنی میلوئید مزمن از میکروسکوپی اسمیر خون محیطی
چکیده انگلیسی
This paper introduces a hedge operator based fuzzy divergence measure and its application in segmentation of leukocytes in case of chronic myelogenous leukemia using light microscopic images of peripheral blood smears. The concept of modified discrimination measure is applied to develop the measure of divergence based on Shannon exponential entropy and Yager's measure of entropy. These two measures of divergence are compared with the existing literatures and validated by ground truth images. Finally, it is found that hedge operator based divergence measure using Yager's entropy achieves better segmentation accuracy i.e., 98.29% for normal and 98.15% for chronic myelogenous leukocytes. Furthermore, Jaccard index has been performed to compare the segmented image with ground truth ones where it is found that that the proposed scheme leads to higher Jaccard index (0.39 for normal, 0.24 for chronic myelogenous leukemia).
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Micron - Volume 57, February 2014, Pages 41-55
نویسندگان
, , , ,