دانلود مقاله تشخیص لوسمی با یادگیری ماشینی
چکیده
مقدمه
محدوده پروژه
سیستم موجود
مروری بر مطالعات
سیستم پیشنهادی
پیاده سازی سیستم
توضیحات ماژول
نتیجه گیری
بهبود آینده
منابع
Abstract
Introduction
Scope of the Project
Existing System
Literature Survey
Proposed System
System Implementation
Module Description
Conclusion
Future Enhancement
References
چکیده
لوسمی نوعی سرطان است که به بافت‌های خون‌ساز که rbc، wbc و پلاکت‌های خونی را که در داخل مغز استخوان وجود دارد، آسیب می‌رساند. لوسمی سرطانی است که عمدتاً در بافت های خون ساز بدن انسان رخ می دهد. ممکن است به آرامی تمام اندام های داخل بدن را تحت تاثیر قرار دهد بدون اینکه هیچ نشانه خارجی منجر به چندین اختلال دیگر شود. تشخیص لوسمی در مراحل اولیه بیماری دشوار است زیرا فناوری های فعلی زمان بیشتری را صرف می کنند. مطالعات نشان می دهد که هند پس از ایالات متحده آمریکا و چین در رتبه سوم در موارد گزارش شده سرطان خون قرار دارد. اگر فردی از قبل به یکی از انواع دیگر سرطان مبتلا شده باشد، احتمال ابتلا به سرطان خون نزدیک به 30 درصد است. علائم لوسمی خستگی، آنفولانزا، خستگی و کاهش وزن است که پیش بینی دستی با روش های بالینی را بسیار دشوار می کند. از آنجایی که این بیماری بدخیم و کشنده است، لازم است زودتر پیش بینی شود تا تحت درمان کافی قرار گیرد و در نتیجه جان میلیون ها نفر نجات پیدا کنند. در مقایسه با سایر انواع سرطان، موارد لوسمی به طور چشمگیری در سراسر جهان افزایش یافته است. از آنجایی که علائم لوسمی بسیار رایج است، افراد در مراحل اولیه آن را تشخیص نمی دهند. هدف اصلی پروژه ما تشخیص سرطان خون در مرحله اولیه با تجزیه و تحلیل تصاویر اسمیر خون محیطی است و در نتیجه درمان به روشی خاص و موفقیت آمیز انجام می شود. بنابراین پروژه ما بر استفاده از بهترین الگوریتم های یادگیری ماشینی برای تشخیص سرطان خون در مراحل اولیه تمرکز دارد. این مطالعه تحقیقاتی تصاویر اسمیر خون محیطی (PBS) را که تصاویر میکروسکوپی از نمونه‌های خون هستند، جمع‌آوری می‌کند. تصاویر جمع‌آوری‌شده از قبل پردازش می‌شوند و سپس قطعه‌بندی انجام می‌شود که در آن تصاویر بر اساس پیکسل‌ها تقسیم‌بندی می‌شوند و بخش بزرگ‌شده ناحیه آسیب‌دیده از تصویر خون کافی برای فرآیند استخراج ویژگی‌ها مورد بررسی قرار می‌گیرد. در نهایت طبقه بندی با استفاده از CNN به منظور تشخیص سرطان خون انجام می شود.
توجه! این متن ترجمه ماشینی بوده و توسط مترجمین ای ترجمه، ترجمه نشده است.
Abstract
Leukemia is a type of cancer which damages the blood-forming tissues that produces rbc's, wbc's and blood platelets, which is present inside bone marrow. Leukemia is the cancer that mainly occurs within blood forming tissues in the human body. It may slowly affect all the organs inside the body without any external indication leading to several other disorders. The diagnosis of leukemia in early stages of the disease is difficult as the current technologies are more time cons uming. Studies suggest that India ranks 3rd highest in reported cases of Blood Cancer, after USA and China. If a person is already diagnosed with any one among other types of cancer, then the chances of developing leukemia is nearly 30%. The symptoms of leukemia are tiredness, flu, fatigue and weight loss which makes it very difficult to predict manually by clinical methods. Since it is malignant and fatal it is neces s ary that it mus t be predicted earlier in order to undergo sufficient treatment and thereby saving millions of lives. As compared to all other types cancers, leukemia cases have been increasing dramatically in the entire world. Since the symptoms of leukemia are being very common, people fail to detect it in the early stage. The main objective of our project is to diagnose leukemia in the primary stage by analysing peripheral blood smear images and thus treatment could be given in specific and successful way. Thus our project focusses on using the best machine learning algorithms for detecting leukemia in a very early stage. This res earch study collects peripheral blood smear images (PBS), which are microscopic images of the blood samples. The images collected are preprocessed and then segmentation is performed where the images are segmented based on pixels and enlarged portion of affected area of the blood s ample image is us ed for feature extraction process. Finally classification is done using CNN in order to detect leukemia.
Introduction
Blood has three types of cells namely white blood cells are the ones that fight with the infection, red blood cells usually carry oxygen, and platelets helps in blood clotting.Our bone marrow usually makes millions of fresh blood cells, and 93% of them are erythrocytes. When a person is diagnosed with leukemia, the body produces more white blood cells than it actually needs and these leukemic cells could not fight with the infection in the body in the way normal white blood cells fight.They slowly start to affect the working of our internal and external organs. After some time, it will result in lack of red blood cells to supply oxygen, enough platelets to clot your blood, or enough normal white blood cells to fight infection.Thus the severity of the disease increases drastically.Thus proper diagnosis and treatment has to be given in the early stage itself.Leuklemia can be broadly classified into acute leukemia and chronic leukemia.Acute leukemia requires fast treatment as soon as it is detected. In chronic leukemia, some parts in our body will produce too many blood cells. Some of the types of chronic leukemia initially shows no symptoms and can be undiagnosed for several time period.By using medical science bone marrow biopsy and spinal tap tests are done for leukemia detection. Bone marrow biopsy is a test which is done for detecting leukemia in the human body.
Conclusion
Leukemia is a major problem nowadays that should be detected and requires proper treatment.Among many types of cancers,leukemia is the deadliest since it affects 23% of the total population Further the symptoms of leukemia are not much exposive.Thus, the novelty of our idea is to provide an algorithm to diagnose leukemia in cost-effective method and with greater evaluation accuracy.The proposed non-invasive method detects the occurrence of leukemia at an early stage. Furthermore, the results can be extended for therapeutic applications.