使用 K-means 聚类算法自动检测急性白血病
计算机视觉与模式识别
2018-03-28 v1
摘要
白血病是一种发生于血液组织中的血液癌症，会引发未成熟且形态异常的白细胞的快速增殖。统计表明，白血病是导致男性和女性死亡的主要原因之一。血样或骨髓涂片的显微镜检查是诊断白血病最有效的技术。病理学家基于细胞特征对显微样本进行分析以做出诊断评估。最近，人们探索了用于癌症检测的计算机化方法，以期最大限度地减少人工干预并提供准确的临床信息。本文提出了一种用于基于图像的急性白血病自动检测系统的算法。该方法使用基本的增强、形态学、滤波和分割技术，利用 k-means 聚类算法提取感兴趣区域。所提出的算法达到了 92.8% 的准确率，并在 60 个样本的数据集上使用最近邻（KNN）和朴素贝叶斯分类器进行了测试。
引用
@article{arxiv.1803.08544,
title = {Automated Detection of Acute Leukemia using K-mean Clustering Algorithm},
author = {Sachin Kumar and Sumita Mishra and Pallavi Asthana and Pragya},
journal= {arXiv preprint arXiv:1803.08544},
year = {2018}
}
备注
Presented in ICCCCS 2016