MACHINE LEARNING SYSTEM FOR AUTOMATED BLOOD SMEAR ANALYSIS - Publikacja - MOST Wiedzy

Twoje konto

zaloguj

Wyszukiwarka

MACHINE LEARNING SYSTEM FOR AUTOMATED BLOOD SMEAR ANALYSIS

Abstrakt

In this paper the authors propose a decision support system for automatic blood smear analysis based on microscopic images. The images are pre-processed in order to remove irrelevant elements and to enhance the most important ones - the healthy blood cells (erythrocytes) and the pathologic (echinocytes). The separated blood cells are analyzed in terms of their most important features by the eigenfaces method. The features are the basis for designing the neural network classifier, learned to distinguish between erythrocytes and echinocytes. As the result, the proposed system is able to analyze the smear blood images in fully automatic manner and to deliver information on the number and statistics of the red blood cells, both healthy and pathologic. The system was examined on two case studies, the canine and human blood, and then confronted with the experienced medicine specialists. The accuracy of red blood cells classification into erythrocytes and echinocytes reaches 96%.

Cytowania

  • 0

    CrossRef

  • 0

    Web of Science

  • 9

    Scopus

Autorzy (7)

Cytuj jako

Pełna treść

pobierz publikację
pobrano 24 razy
Wersja publikacji
Accepted albo Published Version
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.24425/mms.2019.126323
Licencja
Creative Commons: CC-BY-NC-ND otwiera się w nowej karcie

Słowa kluczowe

Informacje szczegółowe

Kategoria:
Publikacja w czasopiśmie
Typ:
artykuł w czasopiśmie wyróżnionym w JCR
Opublikowano w:
Metrology and Measurement Systems nr 26, wydanie 1, strony 81 - 83,
ISSN: 0860-8229
Język:
angielski
Rok wydania:
2019
Opis bibliograficzny:
Grochowski M., Wąsowicz M., Mikołajczyk A., Ficek M., Kulka M., Wróbel M., Szczerska M.: MACHINE LEARNING SYSTEM FOR AUTOMATED BLOOD SMEAR ANALYSIS// Metrology and Measurement Systems. -Vol. 26, iss. 1 (2019), s.81-83
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.24425/mms.2019.126323
Weryfikacja:
Politechnika Gdańska

wyświetlono 216 razy

Publikacje, które mogą cię zainteresować

Computed aided system for separation and classification of the abnormal erythrocytes in human blood

2017

DIAGNOSIS OF MALIGNANT MELANOMA BY NEURAL NETWORK ENSEMBLE-BASED SYSTEM UTILISING HAND-CRAFTED SKIN LESION FEATURES

2019

Deep neural networks approach to skin lesions classification — A comparative analysis

2017

Absorption spectroscopy setup for determination of whole human blood and blood–derived materials spectral characteristics

2015
Meta Tagi