Techniques avancées en biologie et médecine
Libre accès

Abstrait

Analyse du taux de croissance des cellules souches, en utilisant la segmentation, l'extraction de caractéristiques et la reconnaissance de formes

R Nathiya et G Sivaradje

Les cellules souches ont la capacité remarquable de se transformer en n'importe quel type de cellule du corps à un stade précoce de leur croissance. Dans certains organes, tels que l'intestin et la moelle osseuse, les cellules souches se divisent régulièrement pour réparer et remplacer les tissus usés ou endommagés. La méthodologie existante pour la segmentation d'images d'analyse de cellules souches utilise une technique morphologique appliquée aux cellules fluorescentes afin d'obtenir une image segmentée nette. Pour cela, le paradigme Otsu Curvelet d'ondelettes est utilisé dans lequel l'image ou le cadre est filtré, Curvelet est utilisé pour une meilleure amélioration des contours et Wavelet est utilisé pour une résolution multi-échelle. La segmentation à l'aide du modèle Otsu réduit le poids moyen des variances de classe de divers pixels pour fournir une valeur de seuil optimale. À partir de la caractéristique de l'image segmentée, les vecteurs sont obtenus à l'aide de la technique de matrice de cooccurrence de niveaux de gris (GLCM) qui joue un rôle essentiel dans l'extraction des caractéristiques d'une image. Cependant, la GLCM extrait généralement la texture sous une seule échelle et une seule direction, ce qui ne fournit pas les entités texturales dans toute leur étendue. Par conséquent, pour les échelles multiples et les résolutions multiples, l'image segmentée est décomposée avec NSCT et GLCM est appliquée. L'ensemble des vecteurs de caractéristiques forme finalement la matrice de motifs comme entrée des réseaux neuronaux artificiels pour leur classification. En utilisant le réseau neuronal pour la reconnaissance de motifs, le réseau est formé en utilisant les images de divers niveaux de santé. Ensuite, à l'aide du réseau formé, la nature saine de l'image test est évaluée et le résultat est affiché sous la forme d'un pourcentage de santé des images de cellules souches de la série temporelle donnée. Par conséquent, cet article est fortement motivé pour analyser la nature saine des cellules souches.