Numer: 03/2024 Str. 238
Autorzy: Yassine Habchi , Riyadh Bouddou , Ameur-Fethi Aimer :
Tytuł: Klasyfikacja obrazu raka białaczki za pomocą głębokiej sieci neuronowej Wavelet
Streszczenie: Klasyfikacja obrazów krwinek pod kątem cech kolorystycznych i morfologicznych jest niezbędna w procesach diagnostyki medycznej. W artykule zaproponowano wydajną metodę wykorzystującą transformatę falkową LeGall5/3 (LeGall5/3WT) opartą na konwolucyjnej sieci neuronowej (CNN) do klasyfikacji obrazów raka białaczki. Proponowany algorytm jest stosowany na 108 obrazach białaczki, w tym 49 obrazach komórek blastycznych i 59 obrazach zdrowych komórek. Wszystkie te obrazy uzyskano z bazy danych obrazów ostrej białaczki limfoblastycznej do przetwarzania obrazów (ALL-IDB). Technika powiększania danych dostarczyła 7776 obrazów, w tym 3528 obrazów komórek blastycznych i 4248 zdrowych komórek. Wyniki ekstrakcji cech LeGall5/3WT są wykorzystywane jako dane wejściowe do CNN w celu klasyfikacji raka białaczki. Architektura systemu sieciowego zawiera trzy sploty, trzy warstwy agregatów, warstwę w pełni połączoną, warstwę Soft Max i warstwę wyjściową z dwiema klasami. Zaproponowany algorytm pozwala uzyskać dokładne wyniki (dokładność 100%, czułość 100%, specyficzność 100%) dla bazy danych ALL-LDB1.
Słowa kluczowe: Sztuczna inteligencja, Konwolucyjna sieć neuronowa, Klasyfikacja obrazu, Transformacja falkowa LeGall5/3, Białaczka