Klassifizierung von Dengue-Infektionen durch maschinelles Lernen

Aedesaegypti-Mücke verschont die Dengue-Viruskrankheiten. Das Dengue-Fieber ist weltweit die größte sich entwickelnde Krankheit. Tag für Tag nimmt die Zahl der Dengue-Erkrankungen rund um den Globus deutlich zu. Dengue-Infektionen treten in drei Formen auf: Dengue-Fieber, das auch als "Knochenbrecher"-Fieber bezeichnet wird, Dengue-Hämorrhagisches Fieber (DHF) und Dengue-Schock-Syndrom (DSS), die lebensbedrohlich sind. Ärzte müssen etwa 20 bis 50 Bilder der weißen Blutkörperchen aus verschiedenen Blickwinkeln aufnehmen, um die Krankheit zu erkennen. Die Anzahl der Blutplättchen wird mit Hilfe verschiedener Segmentierungstechniken und morphologischer Operationen geschätzt, und mit Hilfe der Anzahl der Blutplättchen wird die Dengue-Fieber-Infektion erkannt. Eine Technik, die für die Segmentierung verwendet wird, basiert hauptsächlich auf dem Thresolding-Verfahren, das nicht den genauen Teil der defekten Blutplättchen segmentiert. Aber das Ergebnis war nicht so effizient, um die räumlichen Detailinformationen des tatsächlichen Krankheitsteils zu liefern. Daher werden wir hier einen Fuzzy-basierten Algorithmus zur Segmentierung von Blutplättchen verwenden. Es gibt verschiedene Methoden zur Extraktion von Merkmalen wie Größe, Form und Fläche der Blutplättchen. Aber sie liefern keine exakten Ergebnisse. Deshalb werden wir hier Haralick-Merkmale für WBC-Thrombozyten verwenden.

Autorentext

La profesora Ragini Deshmukh trabaja en el Grupo Nobel de Instituciones de Junagadh. Se licenció en la Universidad de Nagpur. Trabajó en Cognizant Technology Solutions, Mumbai, durante 2 años, y después hizo un máster en tecnología en el Sigma Institute of Engineering, Vadodara.