L'analyse d'images assistée par ordinateur joue un rôle central dans le comptage et la classification automatisés des globules blancs (WBC) dans les images du sang périphérique. En raison de leurs différentes caractéristiques, notre approche proposée est basée sur l'étude des variations entre les basophiles et les éosinophiles en termes d'histogramme de couleur, de taille et de forme avant d'effectuer le processus de segmentation. En conséquence, nous avons proposé un système en cascade utilisant un processus de segmentation basé sur la classification, appelé système réversible de classification-segmentation (CSRS). Avant d'appliquer le système CSRS, une métrique basée sur l'histogramme Object to Background Disparity (HOBD) a été déduite pour déterminer le plan de couleur le plus approprié pour effectuer la détection initiale des globules blancs (première segmentation). L'étude des caractéristiques de l'histogramme local des deux classes a permis d'obtenir une précision de classification initiale de 92,4 % à l'aide de la méthode du vecteur de support polynomial du troisième degré (SVM). Par la suite, dans l'approche CSRS proposée, des algorithmes de segmentation basés sur la transformation ont été développés pour répondre aux exigences spécifiques de chacune des deux classes prédites. Le système CSRS proposé est utilisé, où les images d'un processus de classification initial sont introduites dans un second processus de segmentation pour chaque classe séparément. Les résultats de la segmentation ont démontré un indice de similarité de 94,9 % pour les basophiles et de 94,1 % pour les éosinophiles. De plus, une précision de comptage moyenne de 97,4 % pour les deux classes a été atteinte. En outre, une deuxième classification a été effectuée après l'application des CSR, avec une augmentation de 5,2 % de la précision par rapport au processus de classification initial.

El análisis de imágenes asistido por ordenador tiene un papel fundamental en el recuento y la clasificación automatizados de los glóbulos blancos (WBC) en las imágenes de sangre periférica. Debido a sus diferentes características, nuestro enfoque propuesto se basa en investigar las variaciones entre los basófilos y los eosinófilos en términos de su histograma de color, tamaño y forma antes de realizar el proceso de segmentación. En consecuencia, propusimos un sistema en cascada utilizando un proceso de segmentación basado en la clasificación, llamado sistema reversible de clasificación-segmentación (CSRS). Antes de aplicar el sistema CSRS, se dedujo una métrica de disparidad de objeto a fondo (HOBD) basada en histograma para determinar el plano de color más apropiado para realizar la detección inicial de glóbulos blancos (primera segmentación). La investigación de las características del histograma local de ambas clases dio como resultado una precisión de clasificación inicial del 92.4% utilizando el método de la máquina de vectores de soporte polinómico de tercer grado (SVM). Posteriormente, en el enfoque CSRS propuesto, se desarrollaron algoritmos de segmentación basados en la transformación para adaptarse a los requisitos específicos de cada una de las dos clases previstas. Se utiliza el sistema CSRS propuesto, donde las imágenes de un proceso de clasificación inicial se introducen en un segundo proceso de segmentación para cada clase por separado. Los resultados de la segmentación demostraron un índice de similitud del 94,9% para los basófilos y del 94,1% para los eosinófilos. Además, se logró una precisión de conteo media del 97,4% para ambas clases. Además, se llevó a cabo una segunda clasificación después de aplicar las CSRS, logrando un aumento del 5,2% en la precisión en comparación con el proceso de clasificación inicial.

Computer-aided image analysis has a pivotal role in automated counting and classification of white blood cells (WBCs) in peripheral blood images. Due to their different characteristics, our proposed approach is based on investigating the variations between the basophils and eosinophils in terms of their color histogram, size, and shape before performing the segmentation process. Accordingly, we proposed a cascaded system using a classification-based segmentation process, called classification-segmentation reversible system (CSRS). Prior to applying the CSRS system, a Histogram-based Object to Background Disparity (HOBD) metric was deduced to determine the most appropriate color plane for performing the initial WBC detection (first segmentation). Investigating the local histogram features of both classes resulted in a 92.4% initial classification accuracy using the third-degree polynomial support vector machine (SVM) method. Subsequently, in the proposed CSRS approach, transformation-based segmentation algorithms were developed to fit the specific requirements of each of the two predicted classes. The proposed CSRS system is used, where the images from an initial classification process are fed into a second segmentation process for each class separately. The segmentation results demonstrated a similarity index of 94.9% for basophils, and 94.1% for eosinophils. Moreover, an average counting accuracy of 97.4% for both classes was achieved. In addition, a second classification was carried out after applying the CSRS, achieving a 5.2% increase in accuracy compared to the initial classification process.

يلعب تحليل الصور بمساعدة الكمبيوتر دورًا محوريًا في العد الآلي وتصنيف خلايا الدم البيضاء (WBCs) في صور الدم المحيطية. نظرًا لخصائصها المختلفة، يعتمد نهجنا المقترح على التحقيق في الاختلافات بين الخلايا القاعدية والحمضات من حيث الرسم البياني للألوان وحجمها وشكلها قبل إجراء عملية التجزئة. وفقًا لذلك، اقترحنا نظامًا تعاقبيًا باستخدام عملية تجزئة قائمة على التصنيف، تسمى نظام التصنيف القابل للتجزئة (CSRS). قبل تطبيق نظام ممثل خدمة العملاء، تم استنتاج مقياس التباين بين الأشياء والخلفية (HOBD) القائم على الرسم البياني لتحديد مستوى اللون الأنسب لإجراء الكشف الأولي عن كريات الدم البيضاء (التجزئة الأولى). أدى التحقيق في ميزات الرسم البياني المحلي لكلا الفئتين إلى دقة تصنيف أولية بنسبة 92.4 ٪ باستخدام طريقة آلة متجه الدعم متعدد الحدود من الدرجة الثالثة (SVM). في وقت لاحق، في نهج المسؤولية الاجتماعية للشركات المقترح، تم تطوير خوارزميات التجزئة القائمة على التحول لتناسب المتطلبات المحددة لكل من الفئتين المتوقعتين. يتم استخدام نظام ممثل خدمة العملاء المقترح، حيث يتم إدخال الصور من عملية التصنيف الأولية في عملية تجزئة ثانية لكل فئة على حدة. أظهرت نتائج التقسيم مؤشر تشابه بنسبة 94.9 ٪ للخلية القاعدية، و 94.1 ٪ للخلية الحمضية. علاوة على ذلك، تم تحقيق متوسط دقة عد بنسبة 97.4 ٪ لكلا الفئتين. بالإضافة إلى ذلك، تم إجراء تصنيف ثانٍ بعد تطبيق نظام المسؤولية الاجتماعية للشركات، مما حقق زيادة بنسبة 5.2 ٪ في الدقة مقارنة بعملية التصنيف الأولية.