TY - JOUR ID - 46919 TI - تشخیص رایانه‌ای انگل مالاریا با استفاده از روش‌های شناسایی الگو JO - مجله علمی پزشکی جندی شاپور JA - JSMJ LA - fa SN - 2252-052X AU - ملیحی, لیلا AU - انصاری‌ اصل, کریم AU - بهبهانی, عبدالامیر AD - گروه مهندسی برق، دانشکدۀ مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران. AD - گروه حشره‌شناسی پزشکی، دانشکدۀ بهداشت، دانشگاه علوم پزشکی جندی‌شاپور اهواز، اهواز، ایران. Y1 - 2015 PY - 2015 VL - 14 IS - 1 SP - 66 EP - 74 KW - تشخیص رایانه‌ای KW - مالاریا KW - طبقه‌بندی‌کنندۀ K نزدیک‌ترین همسایگی KW - طبقه‌بندی‌کنندۀ نزدیک‌ترین میانگین KW - تفکیک‌کنندۀ خطی فیشر DO - N2 - زمینه و هدف: در اکثر موارد فرآیند تشخیص بصری بیماری­ها وقت­گیر و دشوار بوده و نتیجه آن خیلی وابسته به تجربه و تخصص میکروسکوپیست­ها دارد؛ لذا تشخیص رایانه­ای بیماری­ها در کاهش زمان تشخیص و نیروی انسانی و نیز خطاهای موجود می­تواند کمک شایانی باشد. در این تحقیق، عملکرد چهار طبقه­بندی کننده در شناسایی رایانه­ای انگل مالاریا بررسی می­شود. روش بررسی: در این تحقیق 400 تصویر لام خونی آلوده به انگل مالاریا مورد استفاده قرار گرفت. ابتدا با ایجاد نقاب گلبول قرمز و تطبیق آن بر عناصر رنگی استخراج شده، فقط گلبول­های قرمز جهت بررسی­های بعدی مورد استفاده قرار گرفتند. سپس ویژگی­های هیستوگرام رنگ، گرانولومتری، بافت، هیستوگرام کانال اشباع و گرادیان استخراج شدند. برای تفکیک تصاویر انگلی از تصاویر غیرانگلی از چهار طبقه­بندی کننده K نزدیک­ترین همسایه (KNN)، نزدیک­ترین میانگین(NM) ، یک نزدیک­ترین همسایه(1NN)، و تفکیک­کننده خطی فیشر(Fisher)  استفاده شد. یافته­ها: بالاترین عملکرد را طبقه­بندی کننده  KNNبا دقت %5/92 داراست و بعد از آن طبقه­بندی کننده­های 1-NN،Fisher  و NM به ترتیب دارای دقت %25/90، %85 و %25/60 بودند. نتیجه­گیری: باتوجه به عملکرد خوب روش پیشنهاد شده، این روش می­تواند در طراحی نرم­افزار شناسایی رایانه­ای انگل مالاریا به محققین، مدیران و برنامه­ریزان کلان برای کنترل و تشخیص بیماری مالاریا کمک شایانی بنماید.   UR - https://jsmj.ajums.ac.ir/article_46919.html L1 - https://jsmj.ajums.ac.ir/article_46919_4ba2020110a6573223d55c9228ed75ef.pdf ER -