|
Résumé :
|
La leucémie est une maladie causée par la production anormale de cellules sanguines anormales. Dans la leucémie aiguë lymphoblastique (LAL), les cellules lymphoblastiques ne se transforment pas en lymphocytes. Pour diagnostiquer la maladie, nous devons faire la différence entre les lymphocytes et les lymphoblastes. Cependant, les lymphocytes et les lymphoblastes ont des morphologies similaires. Plusieurs études utilisant la vision par ordinateur ont été développées pour distinguer les lymphocytes des lymphoblastes. Ce travail consiste à développer un système de détection et de classification de la leucémie à partir des images microscopiques de globules blancs de l'ensemble de données bien connu C-NMC_2019_Leukemia. Ce système repose sur la sélection des caractéristiques pertinentes pour obtenir de bonnes performances de classification en utilisant l‟algorithme bio-inspirée des essaims particulaires ("Particle Swarm Optimization", PSO) pour réduire le temps d'analyse et d'augmenter la précision pour la détection précoce du cancer. L‟algorithme des « forêts aléatoires » (ou Random Forest) est choisi comme classifieur. Une comparaison des résultats de classification des images de la leucémie est introduite avec et sans sélection des caractéristiques. Les résultats obtenus sont de 77,78 %de précision de classification, F1-score est 80%,précision -score est de 88,89 %, rappel-score est 75,73% sans l‟introduction de l‟étape sélection de caractéristiques. Tandis que les résultat avec l‟introduction du PSO sont de 83,33% pour la précision de classification, F1-score est 85,0%,précision -score 94,44% , rappel-score 72,27 % Mots-clés : Globules blancs (GB) · Leucémie aiguë lymphoblastique (LAL) · Sélection des caractéristiques, Classification, Algorithme d‟optimization PSO·
|
Accueil
