MIKROSKOP GÖRÜNTÜLERI ÜZERINE TABANLI INSAN KAN ÖRNEKLERINDE LÖSEMI TESBITI

Abstract

Lösemi, kemik iliği tarafından üretilen olağandışı beyaz kan hücrelerinin bir parçası olduğunda, kan hastalıklarının belgelendirilmesi, kan hücrelerinin mikroskobik görüntülerinin resim olarak tam olarak incelenmesiyle gerçekleşir. Bu tezde kan testlerinin sonsuz resimlerini kullanarak lösemi işaretlerinin tanınması için bir hazırlık tezi hazırlanmıştır. Resimlerle inceleme, resimlerden enfeksiyonların önceden organize edilmeden tespit edilip analiz edilebileceği gerçeği ışığına dayalı olarak gerçekleştirilmiştir. Bu noktadan sonra, örneğin hastalıkları kontrol etmek ve karşı koymak gibi farklı aktiviteler olabilir. Resimler, eski oldukları ve pahalı testler ve araştırma olanakları gerektirmediği gerçeğinden yola çıkılarak kullanılmıştır. Tezin ana çerçevesi, beyaz trombosit hastalığı, yani lösemi etrafında odaklanmıştır. Nitekim, hematolog bile lösemik hücreleri düzenlerken sorunlar yaşar. Trombositlerin manuel olarak düzenlenmesi oldukça uzun bir zaman alır. Bu şekilde, lösemi dönüşlerinin erken ayırt edici ile hastaya uygun tedavi sağlanabilir. Bu sorunun cevabı olarak, çerçeve, dakika resimlerindeki kapasiteleri kullanacak ve yüzey, geometri, gölgeleme ve ölçülebilir incelemedeki değişikliklere bakacaktır. Bu özelliklerin varyasyonları sınıflandırıcı girişi olarak kullanılacaktır. Lösemi, yetişkinlerde temel olan en temel kan rahatsızlığıdır. Daha büyük bir yarı kötü huylu büyüme hücresi vücut elementlerinde başlar, ancak hastalık trombositlerde başlayan ve gelişen hastalıkların çeşitliliğidir. Hücreler imha edilir, bu nedenle yeni hücrelerin kendi yerleri olacaktır. Hastalıkta, hücre kan içinde kalır, bu nedenle, oluşturulan yeni hücreler ölçmek için yeterli işlem yapılamaz. Görüntü bölütleme işlemi için ve jhastalık tespit işlemi için K adet durum vardır. Bunların sınıflandırma ve ayırt edilme işleminde yapay sinir ağı önerilir. Görüntü bölme işlemi ileriye doğru beslemeli yapay sinir ağı ile daha az gürültü ve çok yavaş bir birleşme oranına sahip olacak şekilide yapılır. Bu analiz sırasında, K-means sınıflandırıcı ve yapay sinir ağı daha iyi bir sonuç elde etmek için ortak bir şekilde kullanılmıştır. Sonuş kısmında değerlendirme verilmiştir. Anahtar Kelimeler: Beyaz Kan Hücreleri , Kemik İliği,, Yapay Sinir Ağları,, Görürtü BölütlemeLeukemia happens when part of unusual white blood cell produced by the Bone Marrow, the documentation of blood sicknesses is performed complete painterly inspection of microscopic images of blood cells. This thesis depicts a preparatory report to build up a recognition of leukemia writes utilizing infinitesimal pictures of blood tests. Examination through pictures is essential in light of the fact that from the pictures, infections can be identified and analyzed at a before organize. From that point, you can play out different activities, for example, controlling, controlling and counteracting sickness. The pictures are utilized in light of the fact that they are shabby and don't require costly tests and research facility gear. The framework will center around white platelet sickness, leukemia. Indeed, even the hematologist experiences issues arranging them leukemic cells, its manual arrangement of platelets takes quite a while as well as loose. In this manner, early distinguishing proof of leukemia returns gives the fitting treatment to the patient. As an answer to this issue, the framework will utilize the capacities in minute pictures and will look at changes in surface, geometry, shading and measurable investigation. Variations to these features will be used as a classifier entry. Leukemia is that the most elementary blood malady, basic in grown-ups. a bigger half malignant growth cell starts in body elements however sickness is that the variety of diseases that start and develop in platelets. Blood is pressing substance while not that metabolic component of the body very influenced. cells are destroyed therefore that new cells will have their spot. In disease, previous cell doesn't kick the bucket and stays within the blood, therefore, new cells that are created can't inspire enough house to measure. Has metameric the image exploitation K suggests that algorithm and artificial neural the results are studied by scrutiny numerous fault metrics and stretch complexness of each the systems. Image division is done exploitation feedforward neural network have fewer din and an awfully slow conjunction rate. during this analysis, K-means algorithm and artificial neural network are deliberate to get a group of processes that will be joint so as to attain a much better presentation in Image Segmentation. A comparison has been done to search out the most effective rule for Image Segmentation. Keywords: White Blood Cells (WBC), Red Blood Cells (RBC), Bone Marrow (BM), Artificial Neural News Network (ANN), Image Segmentation (IS).