![](/images/graphics-bg.png)
Medical image classification using different machine learning algorithms
العناوين الأخرى
تصنيف الصور الطبية باستخدام خوارزميات التعلم الآلي المختلفة
المؤلفون المشاركون
Ismail, Sami Husayn
Karim, Shihab Wahhab
al-Mukhtar, Firas Hisham
المصدر
al- Rafidain Journal of Computer Sciences and Mathematics
العدد
المجلد 14، العدد 1 (30 يونيو/حزيران 2020)، ص ص. 135-147، 13ص.
الناشر
جامعة الموصل كلية علوم الحاسبات و الرياضيات
تاريخ النشر
2020-06-30
دولة النشر
العراق
عدد الصفحات
13
التخصصات الرئيسية
العلوم التربوية
تكنولوجيا المعلومات وعلم الحاسوب
الموضوعات
الملخص AR
تزودنا الأنواع المختلفة لخلايا الدم البيضاء ببيانات مهمة لتشخيص و تحديد العديد من الأمراض.
التشغيل الآلي لهذه المهام يمكن أن يوفر الوقت و يتجنب الأخطاء في التشخيص.
في هذا البحث نستكشف ما إذا كان استخدام ملامح الشكل للنواة كاف لتصنيف خلايا الدم البيضاء أم لا.
وفقا لهذا يتم تنفيذ نظام أوتوماتيكي قادر على تحديد و تحليل خلايا الدم البيضاء (WBCs) إلى خمس فئات (Basophil Eosinophil Lymphocyte Monocyte و Neutrophil).
يتطلب أربع خطوات لمثل هذا النظام تمثل الخطوة الأولى تجزئة صور للخلايا و تنطوي الخطوة الثانية على مسح كل صورة مجزأة لإعداد مجموعة البيانات الخاصة بها.
استخراج الأشكال و النسيج من الصورة الممسوحة يتم القيام به في الخطوة الثالثة.
أخيرا يتم تطبيق خوارزميات التعلم الآلي المختلفة مثل (K * التصنيف الانحدار المضاف التغليف التصنيف المطبق أو جدول القرار) يطبق بشكل منفصل على المستخرج (الأشكال و النسيج) للحصول على النتائج.
تتم مقارنة نتائج كل خوارزمية لتحديد أفضلها وفقا لمعايير مختلفة.
الملخص EN
The different types of white blood cells equips us an important data for diagnosing and identifying of many diseases.
The automation of this task can save time and avoid errors in the identification process.
In this paper, we explore whether using shape features of nucleus is sufficient to classify white blood cells or not.
According to this, an automatic system is implemented that is able to identify and analyze White Blood Cells (WBCs) into five categories (Basophil, Eosinophil, Lymphocyte, Monocyte, and Neutrophil).
Four steps are required for such a system; the first step represents the segmentation of the cell images and the second step involves the scanning of each segmented image to prepare its dataset.
Extracting the shapes and textures from scanned image are performed in the third step.
Finally, different machine learning algorithms such as (K* classifier, Additive Regression, Bagging, Input Mapped Classifier, or Decision Table) is separately applied to the extracted (shapes and textures) to obtain the results.
Each algorithm results are compared to select the best one according to different criteria's.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
Ismail, Sami Husayn& Karim, Shihab Wahhab& al-Mukhtar, Firas Hisham. 2020. Medical image classification using different machine learning algorithms. al- Rafidain Journal of Computer Sciences and Mathematics،Vol. 14, no. 1, pp.135-147.
https://search.emarefa.net/detail/BIM-1226304
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
Ismail, Sami Husayn…[et al.]. Medical image classification using different machine learning algorithms. al- Rafidain Journal of Computer Sciences and Mathematics Vol. 14, no. 1 (2020), pp.135-147.
https://search.emarefa.net/detail/BIM-1226304
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
Ismail, Sami Husayn& Karim, Shihab Wahhab& al-Mukhtar, Firas Hisham. Medical image classification using different machine learning algorithms. al- Rafidain Journal of Computer Sciences and Mathematics. 2020. Vol. 14, no. 1, pp.135-147.
https://search.emarefa.net/detail/BIM-1226304
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes appendix : p. 146
رقم السجل
BIM-1226304
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
![](/images/ebook-kashef.png)
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر
![](/images/kashef-image.png)