فائزه محسنی مقدم - کارشناس ارشد هوش مصنوعی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات کرمان
مهدی جعفری شهباززاده - استادیار، دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد کرمان
پیمان کشاورزیان - استادیار، دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد کرمان

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 برایتشخیص دسته های بیماری بر اساس شمارش افتراقی گلبول های سفید ارائه شده است. الگوریتم پیشنهادی شامل قطعه بندی هسته و سیتوپلاسم، طبقه بندی انواع گلبول های سفید و تشخیص است. مراحل الگوریتم به گونه ای است که ابتدا هسته و سیتوپلاسم گلبول های سفید با به کار بردن ترکیب تکنیکSMMTروی تصاویر چندمقیاسی و روش حدآستانه گیری محلی تطبیقی ساوولا قطعه بندی می شوند. در مرحله بعد ویژگی های شکل، بافت و زرنیک از هسته استخراج می شوند و به شبکه عصبی پرسپترون داده می شوند که با دقت 57.69 % انواع گلبول های سفید را شناسایی می کند. . سپس انواع گلبول های سفید شمارش شده و با توجه به اینکه افزایش و کاهش تعداد انواع گلبول های سفید نشانه ای از انواع بیماری است می توان طبقه بندی کلی روی یک سری از بیماری هاانجام داد. در نهایت با داشتن تعداد کل گلبول های سفید و انواع آن با استفاده از شبکه نروفازی تطبیقی دسته بیماری با دقت خوب 53 % تشخیص داده می شود

طبقه بندی گلبول های سفید خون، قطعه بندی گلبول های سفید خون، حدآستانه گیری محلیsauvola ، تکنیکSMMT ، شبکه نروفازی تطبیقی