Fortgeschrittene Techniken in Biologie und Medizin
Offener Zugang

Abstrakt

Wachstumsratenanalyse von Stammzellen mittels Segmentierung, Merkmalsextraktion und Mustererkennung

R. Nathiya und G. Sivaradje

Stammzellen haben die bemerkenswerte Fähigkeit, sich in ihrem frühen Wachstumsstadium zu jeder Art von Zelle im Körper zu entwickeln. In einigen Organen, wie dem Darm und dem Knochenmark, teilen sich Stammzellen regelmäßig, um abgenutztes oder beschädigtes Gewebe zu reparieren und zu ersetzen. Die bestehende Methodologie zur Bildsegmentierung bei der Stammzellenanalyse verwendet eine morphologische Technik, die auf die fluoreszierenden Zellen angewendet wird, um ein klar segmentiertes Bild zu erhalten. Dafür wird das Wavelet-Otsu-Curvelet-Paradigma verwendet, bei dem das Bild oder der Rahmen gefiltert wird, Curvelet wird für eine bessere Kantenschärfe verwendet und Wavelet wird für eine mehrskalige Auflösung verwendet. Die Segmentierung mit dem Otsu-Modell reduziert das durchschnittliche Gewicht der Klassenvarianzen verschiedener Pixel, um einen optimalen Schwellenwert bereitzustellen. Aus dem segmentierten Bildmerkmal werden Vektoren mithilfe der Grey Level Co-Occurrence Matrix (GLCM)-Technik erhalten, die eine wichtige Rolle bei der Extraktion der Merkmale in einem Bild spielt. Allerdings extrahiert GLCM die Textur üblicherweise in einem einzigen Maßstab und einer einzigen Richtung, wodurch die Textureinheiten nicht in maximalem Umfang bereitgestellt werden. Daher wird für mehrere Maßstäbe und Auflösungen das segmentierte Bild mit NSCT zerlegt und GLCM angewendet. Die Menge der Merkmalsvektoren bildet schließlich die Mustermatrix als Eingabe für die künstlichen neuronalen Netzwerke für deren Klassifizierung. Mithilfe eines neuronalen Netzwerks zur Mustererkennung wird das Netzwerk anhand von Bildern verschiedener Gesundheitsniveaus trainiert. Anschließend wird mithilfe des trainierten Netzwerks der Gesundheitszustand des Testbilds bewertet und das Ergebnis in Form des Gesundheitszustandsprozentsatzes der gegebenen Zeitreihen-Stammzellenbilder angezeigt. Daher ist dieses Papier stark motiviert, den Gesundheitszustand von Stammzellen zu analysieren.