عنوان المقالة:تحسين جودة الصورة الطبية باستخدام مجال النيوتروسوفيك الضبابي وتحويلات التحسين متعددة المستويات: دراسة مقارنة لاكتشاف وتصنيف سرطان الدم Enhancing Medical Image Quality using Neutrosophic Fuzzy Domain and Multi-Level Enhancement Transforms: A Comparative Study for Leukemia Detection and Classification
أصبحت معالجة الصور الطبية مجال بحث بالغ الأهمية بسبب الكميات الهائلة من بيانات الصور الرقمية المتاحة. ومع ذلك، غالبًا ما تعاني الصور الطبية من ضعف الإضاءة وانخفاض وضوح الهياكل المهمة، مما يتطلب تحسين الصورة لتحسين جودة الصورة قبل المعالجة. في هذه الورقة، نقترح تقنية لتحسين الصور الطبية عن طريق إزالة الضوضاء وتحسين التباين بناءً على ثلاثة تحويلات تعزيز مختلفة. تقوم التقنية المقترحة بتضمين الصورة في مجال ضبابي نيوتروسوفيكي، حيث يتم تعيينها في ثلاثة مستويات مختلفة من الصدق والزيف وعدم التحديد، ويتم معالجة كل مستوى على حدة باستخدام تحويلات التحسين. نقارن التقنية المقترحة بأربعة أنظمة أخرى لاكتشاف وتصنيف سرطان الدم باستخدام الدقة وقيم T و I و F. يعمل النظام المقترح بأفضل أداء بدقة 98٪، متفوقًا على الأنظمة الأخرى من حيث الدقة ودرجة عدم التحديد والزيف. يستخدم النظام المقترح خوارزميات ومرشحات مختلفة لمعالجة الصور واستخراج ميزات مثل اللون والملمس. يستخدم تصنيف النظام k-means للتجزئة وSVM للتصنيف. تسلط الورقة الضوء على أهمية مراعاة قيم T وI وF في تقييم أداء الأنظمة المختلفة للكشف عن سرطان الدم وتصنيفه، مما يوفر تمثيلًا أكثر دقة لعدم اليقين والغموض الذي ينطوي عليه عملية التقييم.
الملخص الانجليزي
Medical image processing has become a critical research area due to the vast amounts of digital image data available. However, medical images often suffer from poor illumination and low visibility of significant structures, requiring image enhancement to improve image quality before processing. In this paper, we propose a technique for enhancing medical images by removing noise and improving contrast based on three different enhancing transforms. The proposed technique embeds the image into a neutrosophic fuzzy domain, where it is mapped into three different levels of trueness, falseness, and indeterminacy, and each level is processed individually using the enhancement transforms. We compare the proposed technique with four other systems for leukemia detection and classification using accuracy and T, I, and F values. The proposed system performs the best with an accuracy of 98%, outperforming the other systems in terms of accuracy, degree of indeterminacy, and falsity. The proposed system uses different algorithms and filters to process images and extract features like color and texture. The system’s classification uses k-means for segmentation and SVM for classification. The paper highlights the importance of considering T, I, and F values in evaluating the performance of different systems for leukemia detection and classification, providing a more accurate representation of the uncertainty and ambiguity involved in the evaluation process.
أ.د. أحمد سلامة | Prof. Dr. Ahmed Salama | 10201