علیرضا اخلاقی - دانشجوی کارشناسی ارشد نرم افزار، کامپیوتر دانشگاه پیام نور، قشم
محمدهادی معظم - استادیار، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، تهران
مهدی خلیلی - ااستادیار، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، تهران

بیماری مالاریا مهم ترین بیماری انگلی بشری می باشد. برای کنترل و درمان بیماری مالاریا، به تشخیص صحیح و اقدام به موقع نیاز داریم. در این گزارش به وسیله روش های پردازش تصویر و شبکه عصبی، روشی خودکار برای تشخیص این بیماری و شناسایی انگل مالاریا طراحی می کنیم. در این روش ابتدا پیش پردازش انجام داده و توسط مدل کانتور فعال گلبول های قرمز را از تصویر جدا کرده و سپس با استفاده از تابع موجک، 840 ویژگی را از تصویر استخراج کرده و با کمک ماشین بردار پشتیبان به دو گروه نرمال و غیر نرمال طبقه بندی کردیم. نتایج نشان می دهند که در مقایسه با کارهای گذشته تشخیص، بهتر بوده و به نتیجه 99.77 درصد رسیدیم.

بیماری مالاریا، ماشین بردار پشتیبان، موجک، مدل کانتور فعال، طبقه بندی، استخراج ویژگی