دانشگاه رازی

بررسی میکروسکوپی گستره خون محیطی (  ) یکی از روش‌های بنیادی خون‌شناسی بالینی است، اما ارزش تشخیصی آن به‌طور مستقیم به کیفیت فنی تهیه و تصویربرداری گستره وابسته است؛ پخش نامناسب، تجمع پلاکتی، رنگ‌آمیزی نامطلوب و خروج تصویر از فوکوس می‌توانند ساختارهای طبیعی را تغییر دهند، یافته‌های بیماری‌زا را پنهان کنند و به برداشت نادرست از مورفولوژی سلولی بینجامند. در این پژوهش یک چارچوب خودکار، عینی و تفسیرپذیر برای سنجش کیفیت فنی تصاویر گستره خون محیطی طراحی و اعتبارسنجی شده است تا گستره‌های قابل‌قبول را از تصاویر دارای تخریب‌های مرتبط با آماده‌سازی و تصویربرداری تفکیک کند و در عین حال مبنای تصمیم آن برای کاربر قابل درک بماند. تصاویر واقعی میدان دید کامل از دو مجموعه‌داده عمومی Raabin-WBC و BCCD با بهبود کنتراست CLAHE و نرمال‌سازی رنگ‌آمیزی Reinhard استانداردسازی شدند و سپس قطعه‌بندی از طریق آستانه‌گذاری در فضای رنگی LAB، پالایش مورفولوژیک و watershed مبتنی بر تبدیل فاصله انجام گرفت. برای هر تصویر یک بردار ویژگی ??‌بُعدی شامل ?? توصیف‌گر مورفولوژیک، ? ویژگی بافتی GLCM و ?? ویژگی حاصل از هیستوگرام LBP یکنواخت استخراج شد. از آنجا که برچسب‌های کیفیت درجه‌بندی‌شده توسط متخصص در دسترس نبود، اعتبارسنجی با یک پروتکل تخریب کنترل‌شده — شامل تاری ناشی از دیفوکوس، نویز و تغییرات رنگ‌آمیزی — و با دسته‌بندهای تفسیرپذیر رگرسیون لجستیک با تنظیم L2 و ماشین بردار پشتیبان با هسته RBF انجام شد. در مجموعه آزمون کنارگذاشته‌شده شامل ??? تصویر واقعی، مدل توانست تصاویر قابل‌قبول و تخریب‌شده را با AUC برابر 0.935، ویژگی (اختصاصیت) 0.983 و امتیاز F1 برابر 0.905 تفکیک کند؛ امتیاز کیفیت پیوسته با افزایش شدت تخریب به‌صورت یکنواخت کاهش یافت (Spearman ? = ?0.499، p < 10?³?) و تفکیک تصاویر تمیز از تصاویر شدیداً تخریب‌شده به AUC برابر 0.986 رسید. تحلیل اهمیت ویژگی‌ها نشان داد ویژگی‌های LBP یکنواخت و همبستگی GLCM مهم‌ترین عوامل مرتبط با افت کیفیت هستند. این یافته‌ها نشان می‌دهد پردازش تصویر تفسیرپذیر می‌تواند راهکاری شفاف، کم‌هزینه و بازتولیدپذیر برای ایجاد دروازه کنترل کیفیت در مرحله پیشاتحلیلی فراهم کند، از ورود تصاویر نامطلوب به مراحل بعدی تحلیل جلوگیری نماید و زمینه را برای سامانه‌های قابل اعتمادتر در خون‌شناسی دیجیتال آماده سازد. کلیدواژه‌ها: گستره خون محیطی؛ ارزیابی کیفیت؛ پردازش تصویر تفسیرپذیر؛ شاخص کیفیت نمونه؛ ویژگی‌های مورفولوژیک؛ GLCM؛ الگوی دودویی محلی؛ هوش مصنوعی توضیح‌پذیر؛ خون‌شناسی دیجیتال؛ خطای پیشاتحلیلی.