Segmentation par logique floue pour l’estimation du nombre de globules rouges dans des images multi-spectrales de frottis sanguin non marqué

Abstract

Dans ce travail, nous avons étudié l’introduction de la logique floue dans les processus de segmentation d’images multi-spectrales de frottis sanguin. Notre approche s’appuie sur l’utilisation de l’analyse en composante principale (ACP) sur le jeu d’images spectrales, suivi de l’utilisation de la logique floue sur la première composante principale des images, comme méthode de segmentation des globules rouges. Elle nous a permis de définir une appartenance graduelle des globules rouges à une classe, facilitant ainsi leur comptage. Le résultat donne lieu à 1.53% d’erreur par rapport au comptage manuel, et nous montre que cette technique permet d’atteindre des résultats proches de ceux des méthodes standards, quant à l’estimation du nombre de globules rouges dans l’image d’un frottis sanguin.

Mots-clés: logique floue, segmentation, images multi-spectrales, parasitemie, analyse en composante principale.

Segmentation by fuzzy logic to estimate the number of red blood cells in multi-spectral images of unstained blood smear

In this work, we studied the inclusion of fuzzy logic in the segmentation process of multispectral images of blood smear. Our approach is based on the use of principal component analysis (PCA), followed by the application of fuzzy logic to the first principal component images as segmentation method of red blood cells. It allowed us to define a gradual membership of red blood cells to a class, thus facilitating their counting. The results give rise to 1.53% of error compared to manual counting; this shows that this technique can provide a reliable data information about the estimated number of red blood cells in the image of an unstained blood smears.

Keywords: fuzzy logic, image segmentation, multi-spectral images, parasitemia, principal component analysis.