Buradasınız

Anasayfa » Content

Dijital Görüntü İşleme Teknikleri Kullanılarak Sperm Sayımında Yeni Bir Yaklaşım

A New Approach in Sperm Count Using Digital Image Processing Techniques

Journal Name:

  • Fırat Tıp Dergisi

Publication Year:

  • 2007

Key Words:

Keywords (Original Language):

Author NameUniversity of AuthorFaculty of Author
Abstract (2. Language): 
Objective: In this study, we tried to find a solution for counting and segmentation problems which is one of the general problems of cell count for breeding cells. This study is based on segmentation and threshold extraction techniques and it is aimed to count breeding cells computer based by using various visual processing techniques of cell count conducted manually from the image of breeding cells. Material and Method: The research images are obtained from Selcuklu Hospital in Konya using light microscope and digital camera. The method which is used can be divided into two parts. The first part is that the image is prepared for segmentation and the other is the segmentation and the counting of cells Results: Head part of sperm cells had become countable from the images used with the help of mean and threshold filters which have special values for the study and those were counted with the developed algorithm. Conclusion: As well as this method used for counting sperm cells also be used for object count after modifying the parameters. A l l cells were counted successfully in all images used in the study. ©2007, Fırat Üniversity, Medical Faculty
Bookmark/Search this post with
Abstract (Original Language): 
Amaç: Bu çalışmada sperm hücreleri için hücre sayımının genel problemlerinden bölütleme (segmentasyon) ve sayma problemine bir çözüm aradık. Çalışma bölütleme, eşik değer çıkartım (threshold extraction) ve nesne sayma (object count) tekniklerini temel almakta ve üreme hücrelerinin görüntüsünden el ile yapılan hücre sayımının çeşitli görüntü işleme teknikleri kullanılarak bilgisayar destekli olarak sayılmasını amaçlamaktadır. Gereç ve Yöntem: Çalışma görüntüleri Konya Selçuklu Hastanesinde ışık mikroskobun ile dijital fotoğraf makinesi kullanılarak elde edilmiştir. Kullanılan metod iki temel kısımda ele alınmaktadır. Birinci kısım mikroskop ve kamera yardımı ile alınan görüntülerin bölütlenmesi, ikinci kısım ise bölütlenmiş hücrelerin sayılmasıdır. Bulgular: Çalışmaya özel değerlere sahip mean ve treshold filtreleri yardımı ile kullanılan görüntülerde sperm hücrelerinin baş kısımları sayılabilir hale getirilmiş ve geliştirilen algoritma ile sayılmıştır. Sonuç: Sperm hücrelerinin sayılması için kullanılan bu metod parametreleri uygun hale getirildikten sonra nesne sayımı için de kullanılabilir. Çalışmada kullanılan görüntülerin tamamında tüm hücreler başarıyla sayılmıştır. ©2007, Fırat Üniversitesi, Tıp Fakültesi
FULL TEXT (PDF): 
PDF icon arastrmx_135291_12_pp_290-293.pdf
  • 4
290-293
  • Turkish

REFERENCES

References: 

1. Fernandez G, Kunt M, Zryd J-P. Multi- Spectral Based Cell 1.Fernandez G, Kunt M, Zryd J-P. Multi- Spectral Based Cell Segmentation and Analysis. Physics-Based Modeling in Computer Vision, 1995; 166-172.
2. World Health Organisation, http://www.who.int/en/ 15.05.2004
3.
Şahintür
k V. Subfertil Erkeklerin Sperm Morfolojilerinin Işık Mikroskobik Ve Floresan Yöntemlerle İncelenmesi. Doktora Tezi, Eskişehir: Osmangazi Üniversitesi Sağlık Bilimleri
Enstitüsü, 2000.
4. Netten H, Young IT, Prins M, et al. Automation of Fluorescent Dot Counting in Cell Nuclei. Pattern Recognition, 1994;1:84-87
5. Wu K, Gauthier D, Levine MD. Live Cell Image Segmentation. IEEE Biomedical Engineering, 1995; 42: 1-12.
6. Wu H, Barba J, Gil J. A Parametric Fitting Algorithm for Segmentation of Cell Images. IEEE Biomedical Engineering
1998; 45; 400-407.
7. Wei He, Wilder J. Nucleus Shape Recognition for an Automated Hematology Analyzing System. EMBS/BMES Conference, 2002; 2: 1043-1044.
8. Caetano CAC, Ventura L, Sousa SJF, Lotufo RDA. Identification and Segmentation of Cell In Images of Donated Corneas Using Mathematical Morphology. Computer Graphics and Image
Processing 2000; 344.
9. Mussio P, Pietrogrande M, Bottoni P, et al. Automatic Cell Count in Digital Images of Liver Tissue Sections. IEEE Computer-Based Medical Systems 1991; 153-160.
10. Di Rubeto C, Dempster A, Khan S, Jarra B. Segmentation of Blood Images Using Morphological Operators. Pattern
Recognition 2000; 3: 397-400.
11. Chen Y, Biddell K, Sun A, Relue P, Johnson J. An Automatic Cell Counting Method for Optical Image. BMES/EMBS Conference 1999; 2: 819.
12. Charles P. Frequently Asked Questions about Color. 1997; http://www.poynton.com/PDFs/ColorFAQ.pdf/ 15.05.2004.
13. Camus PP, Larson DJ. Median-style filters for noise reduction in composition analyses. Applied Surface Science 1993; 76-77: 416¬423.
14. Adelman HG. An edge-sensitive noise reduction algorithm for image processing. Computers in Biology and Medicine 1999; 29¬2: 137-145.
15. Yang F, Jiang T. Cell Image Segmentation with Kernel-Based Dynamic Clustering and an Ellipsoidal Cell Shape Model. Journal of Biomedical Informatics 2001; 34: 67-73.

Thank you for copying data from http://www.arastirmax.com