مقاله روش جدید ترکیبی قطعه بندی چند مقیاسی گلبول های سفید خون و دسته بندی انواع آن


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
1 بازدید
۷۹,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله روش جدید ترکیبی قطعه بندی چند مقیاسی گلبول های سفید خون و دسته بندی انواع آن دارای ۲۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله روش جدید ترکیبی قطعه بندی چند مقیاسی گلبول های سفید خون و دسته بندی انواع آن  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله روش جدید ترکیبی قطعه بندی چند مقیاسی گلبول های سفید خون و دسته بندی انواع آن،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن مقاله روش جدید ترکیبی قطعه بندی چند مقیاسی گلبول های سفید خون و دسته بندی انواع آن :

تعداد صفحات:۲۱
چکیده:
سلولهای سفید خون مواد تشکیل دهنده اصلی در سیستم ایمنی بدن هستند، تعدادگلبولهای سفید خون میتواند به عنوان مرجعی برای تشخیص بیماری استفاده شود. در این پژوهش سیستمی اتوماتیک مؤثر و با دقت بالا برای شناسایی و شمارش اتوماتیکگلبولهای سفید خون و انواع آن ارائه شده است. الگوریتم پیشنهادی شامل پیش پردازش، دو مرحله قطعه بندی هسته و سیتوپلاسم، استخراج ویژگی، انتخاب ویژگی، دو مرحله طبقه بندی انواع گلبول های سفید است. مراحل الگوریتم به گونه ای است که ابتدا تصاویربا عملیات پیش پردازش بهبود یافته و با به کار بردن تکنیکSMMTروی تصاویر چند مقیاسی، اطلاعات مرزهای گلبول های سفیداستخراج می شود. در مرحله قطعه بندی هسته روش حدآستانه گیری محلی تطبیقیساوولا به کارگرفته شده است. در مرحله بعد ویژگی های شکل، بافت و زرنیک از هسته استخراج می شوند. در مرحله دوم قطعه بندی برای جداسازی سیتوپلاسم، بعد از یافتن اطلاعات مقیاس مرز سیتوپلاسم با تکنیکSMMTبا ترکیب روش حدآستانه گیری سراسری و عملیات مورفولوژیکال سیتوپلاسم جداسازی می شود. سپس ویژگی های رنگ و بافت سیتوپلاسم استخراج می شود و با به کار بردن الگوریتم های بهینه سازی مورچگان و زنبور ویژگی های بهینه انتخاب می شوند. در مرحله طبقه بندی از طبقه بند سلسله مراتبیSVMو شبکه عصبی پرسپترون استفاده شده است که به ترتیب با دقت ۵۹ % و ۵۷۶۹ % نتایج مطلوبی را ارائه می دهند.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.