بخش بندی سلول های موثر در سرطان میلوم متعدد با استفاده از مدل های تغییر شکل پذیر و خوشه بندی K-Means

میلوم متعدد (Multiple Myeloma)، دومین سرطان خونی شایع است. این بیماری، به علت سرطانی شدن دسته ای از سلول ها به نام پلاسماسل ها (Plasma cells) ایجاد می شود. شناسایی و شمارش پلاسماسل ها، اطلاعات ارزشمندی را به منظور تشخیص این بیماری برای پاتولوژیست ها فراهم می کند. فرایند شمارش و بررسی دستی پلاسماسل ها، زمان بر و با توجه به طبیعت خسته کننده ی آن، در معرض خطا می باشد. به همین دلیل، وجود ابزاری کامپیوتری در کنار پاتولوژیست به منظور کمک در بخش بندی و استخراج سلول ها، می تواند بسیار مفید باشد. از این رو، پژوهش حاضر با هدف ارایه ی یک ابزار کامپیوتری برای بخش بندی سلول های موثر در بیماری میلوم متعدد از روی تصاویر میکروسکوپی انجام شد.
در روش پیشنهادی، پس از بهبود کیفیت تصاویر با استفاده از تطبیق هیستوگرام و فیلتر میانه، سلول ها با استفاده از مدل تغییر شکل پذیر Chan-Vese استخراج شدند. همچنین، برای بخش بندی سلول های به هم چسبیده، الگوریتم آب پخشان اصلاح شده، استفاده گردید. سپس، هسته ها با به کارگیری روش خوشه بندی K-means استخراج شدند.
روش پیشنهادی بر روی 30 تصویر میکروسکوپی، شامل 370 سلول مورد ارزیابی قرار گرفت. نتایج محاسبه شده از روش پیشنهادی، نشان داد که معیار ارزیابی، حساسیت، دقت، صحت و Dice Similarity Coefficient (DSC) به ترتیب 01/89، 95/89، 71/97، 63/98 و 86/93 درصد برای بخش بندی سلول و 43/91، 48/92، 13/96، 53/98 و 47/95 درصد برای بخش بندی هسته بودند.
در این پژوهش، روش جدیدی جهت بخش بندی و استخراج سلول های موثر در تشخیص سرطان میلوم متعدد از تصاویر میکروسکوپی با استفاده از مدل های تغییر شکل پذیر و روش خوشه بندی ارایه شد. نتایج ارزیابی نشان می دهد که الگوریتم پیشنهادی، عملکرد بخش بندی را در مقایسه با روش های قبلی بهبود داده است.