Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/45869
| Title: | การแบ่งส่วนเซลล์เม็ดเลือดขาวและการเลือกลักษณะบ่งต่างสำหรับ การจำแนกประเภทของเม็ดเลือดขาว |
| Other Titles: | SEGMENTATION OF WHITE BLOOD CELLS AND DISCRIMINATIVE FEATURES FOR LEUKOCYTE CLASSIFICATION |
| Authors: | จรูญรัตน์ ปริญญาคุปต์ |
| Advisors: | ชาญชัย ปลื้มปิติวิริยะเวช |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| Advisor's Email: | Charnchai.P@Chula.ac.th,cpluem@yahoo.com,charnchai.p@chula.ac.th |
| Issue Date: | 2557 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | ในการวินิจฉัยโรคเลือด นักโลหิตวิทยาจะใช้การดูเสมียร์เลือดจากกล้องจุลทรรศน์เพื่อใช้ในการตรวจสอบเป็นงานที่ทำในแต่ละวันซึ่งเป็นงานที่ค่อนข้างน่าเบื่อและใช้เวลานาน การตรวจหาเซลล์เม็ดเลือดขาวที่อยู่ในภาพดังกล่าวโดยระบบอัตโนมัติจึงเป็นสิ่งที่น่าสนใจ วิทยานิพนธ์เรื่องนี้นำเสนอระบบที่ใช้เพื่อหาเซลล์เม็ดเลือดขาวที่อยู่ในภาพเสมียร์เลือดจากกล้องจุลทรรศน์ และแยกส่วนเซลล์เม็ดเลือดขาวออกเป็นนิวเคลียสและไซโทพลาซึมและทำการสกัดหาลักษณะบ่งต่างที่เหมาะสมเพื่อใช้ในการจัดกลุ่มเซลล์เม็ดเลือดขาวออกเป็นห้าประเภท basophil, eosinophil, neutrophil, lymphocyte และ monocyte ในการศึกษาครั้งนี้ใช้ภาพเสมียร์เลือดสองชุด โดยชุดข้อมูลที่ 1 เป็นชุดของภาพที่เก็บรวบรวมจากมหาวิทยาลัยรังสิตเป็นสไลด์เลือดของคนปกติถ่ายด้วยกล้องจุลทรรศน์ที่มีกำลังขยาย 100 เท่า บันทึกภาพโดยกล้อง Nikon DSFi2 ความละเอียดสูง ถ่ายภาพและบันทึกในรูปแบบ JPG ขนาด 960 × 1,280 พิกเซล มีความละเอียด15 พิกเซลต่อ 1 ไมโครเมตร จำนวนภาพในชุดข้อมูลที่ 1 มี 828 ภาพ ประกอบด้วยเซลล์เม็ดเลือดขาว 879 เซลล์ ในชุดข้อมูลที่ 2 มีจำนวน 477 ภาพ เป็นภาพเม็ดเลือดขาวที่ผ่านการตัดมาแล้วโดยดาวน์โหลดจาก CellaVision.com ภาพในชุดข้อมูลนี้อยู่ในรูปแบบ JPG ขนาด 360 × 363 พิกเซล ความละเอียดประมาณ 10 พิกเซลต่อ 1 ไมโครเมตร วิทยานิพนธ์นี้ได้ดำเนินการแบ่งส่วนภาพเซลล์เม็ดเลือดขาว และจัดกลุ่มเซลล์เม็ดเลือดขาว ผลการแบ่งส่วนภาพเซลล์เม็ดเลือดขาวออกเป็นนิวเคลียสและไซโทพลาซึม โดยระบบที่ออกแบบเทียบกับนักโลหิตวิทยาพบว่าวิธีการที่นำเสนอมีความสอดคล้องและเชื่อมโยงกันในชุดข้อมูลทั้งสอง โดยมีความคล้ายคลึงกันมากกว่า 87% สำหรับการแบ่งส่วนทั้งนิวเคลียสและไซโทพลาซึม ทำการเลือกและสกัดลักษณะบ่งต่าง โดยเลือกใช้ 13 ลักษณะในการจำแนกเซลล์ ความถูกต้องของการจำแนกกลุ่มเซลล์เม็ดเลือดขาวสูงกว่า 95% สำหรับทั้งวิธี linear discriminant function และ quadratic discriminant function ระบบที่นำเสนอใช้หลักการบนพื้นฐานของรูปร่าง โครงสร้างและลักษณะบ่งต่างของเซลล์เม็ดเลือดขาวแบบปรกติ และสามารถนำไปใช้กับชุดข้อมูลสองชุดที่แตกต่างกันได้ ผลของการแบ่งส่วนและการสอบเทียบในชุดข้อมูลทั้งสองมีความรวดเร็วและมีประสิทธิภาพและสอดคล้องกัน ในขณะเดียวกันการจำแนกกลุ่มเซลล์เม็ดเลือดขาวแบบปกติเป็นห้าประเภทแสดงให้เห็นถึง sensitivity สูง |
| Other Abstract: | Blood smear microscopic images are routinely investigated by haematologists to diagnose most blood diseases. However, the task is quite tedious and time consuming. An automatic detection and classification of white blood cells within such images can accelerate the process tremendously. This dissertation we propose a system to locate white blood cells within microscopic blood smear images, segment them into nucleus and cytoplasm regions, extract suitable features and finally, classify them into five types: basophil, eosinophil, neutrophil, lymphocyte and monocyte.Two sets of blood smear images were used in this study’s experiments. Dataset 1, collected from Rangsit University, were normal peripheral blood slides under light microscope with 100× magnification; 828 images with 879 white blood cells were captured by a Nikon DSFi2 high definition color camera and saved in JPG format of size 960 × 1,280 pixels at 15 pixels per 1 μm resolution. In dataset 2, 477 cropped white blood cell images were downloaded from CellaVision.com. They are in JPG format of size 360 × 363 pixels. The resolution is estimated to be 10 pixels per 1 μm. Two sets of comparison were performed: segmentation and classification. The automatically segmented results were compared to the ones obtained manually by a haematologist. It was found that the proposed method is consistent and coherent in both datasets, with dice similarity over 87% for average segmented nucleus and cell regions. Feature selection and feature extraction were used and 13 features were selected for train models. Linear and quadratic discriminant function were compared with average accuracy over 95% for both model. The proposed system, based on normal white blood cell morphology and its characteristics, was applied to two different datasets. The results of the calibrated segmentation process on both datasets are fast, robust, efficient and coherent. Meanwhile, the classification of normal white blood cells into five types shows high sensitivity in both models. |
| Description: | วิทยานิพนธ์ (วศ.ด.)--จุฬาลงกรณ์มหาวิทยาลัย, 2557 |
| Degree Name: | วิศวกรรมศาสตรดุษฎีบัณฑิต |
| Degree Level: | ปริญญาเอก |
| Degree Discipline: | วิศวกรรมไฟฟ้า |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/45869 |
| Type: | Thesis |
| Appears in Collections: | Eng - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 5271844621.pdf | 7.93 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.