سید حمیدرضا توفیقی - قطب علمی کنترل و پردازش هوشمند ، دانشکده مهندسی برق و کامپیوتر ، دانش
رضا آقائی زاده ظروفی - قطب علمی کنترل و پردازش هوشمند ، دانشکده مهندسی برق و کامپیوتر ، دانش
کارولوکس - قطب علمی کنترل و پردازش هوشمند ، دانشکده مهندسی برق و کامپیوتر ، دانش
رمضانعلی شریفیان - مرکز تحقیقاتی هماتولوژی ، انکولوژی و پیوند مغز استخوان ، دانشکده علو

همه روزه میلیون ها گلبول سفید خون توسط خون توسط متخصصین هماتولوژی ، بطور دستی و توسط میکروسکوپ در آزمایشگاههای هماتولوژی شناسایی و دسته بندی می شوند . اینگونه عملیات ، کارهایی بسیار طاقت فرسا و زمانگیر میباشند .بنابراین شناسایی و شمارش افتراقی اتوماتیک گلبول های سفید خون می تواند سبب تسریع عملیات تشخیص بیماریها در آزمایشگاههای هماتولوژی گردد .در این مقاله یک روش چند مرحله ای معرفی شده است که بر پایه آن ، بازوفیلها از سایر گلبول های سفید بطور اتوماتیک جدا می شوند . برای این منظور ، ابتدا هسته گلبولهای سفید خون توسط روش گرام اشمیت بخش بندی می شود . سپس با استخراج ویژگیهایی از نواحی بخش بندی شده نظیر ویژگی های بافتنی با استفاده از ماتریسهای هم وقوعی Co-occurrence matrices و ویژگی های شکلی ، جداسازی بازوفیل ها از سایر گلبول های سفید خون انجام می گردد . در این مقاله به منظور کاهش بعد بردار ویژگی ، از روش (FSS) Forward Sequential Selection و به منظور طبقه بندی این ویژگی طبقه بندی این ویژگی ها ، از دو دسته بندی کننده پرسپترون چند لایه (MLP) و سیستم استنباط نوروفازی تطبیقی (ANFIS) استفاده می نماییم . نتایج بدست آمده توسط الگوریتم پیشنهادی با نتایج مشخص شده توسط متخصص ارزیابی شده است . صحت (accuracy) این روش برای هر کدام از دسته بندی کننده ها بالای 98% می باشد .

گلبول‌های سفید خون، گرام اشمیت، ماتریس‌های هم وقوعی، سیستم استنباط نوروفازی تطبیقی‌