@Article{, title={Medical Image Classification Using Different Machine Learning Algorithms تصنيف الصور الطبية باستخدام خوارزميات التعلم الآلي المختلفة}, author={Sami H. Ismael سامي حسين اسماعيل and Shahab W. Kareem شهاب وهاب كريم and Firas H. Almukhtar فراس هشام المختار}, journal={AL-Rafidain Journal of Computer Sciences and Mathematics مجلة الرافدين لعلوم الحاسوب والرياضيات}, volume={14}, number={1}, pages={135-147}, year={2020}, abstract={The different types of white blood cells equips us an important data for diagnosing and identifying of many diseases. The automation of this task can save time and avoid errors in the identification process. In this paper, we explore whether using shape features of nucleus is sufficient to classify white blood cells or not. According to this, an automatic system is implemented that is able to identify and analyze White Blood Cells (WBCs) into five categories (Basophil, Eosinophil, Lymphocyte, Monocyte, and Neutrophil). Four steps are required for such a system; the first step represents the segmentation of the cell images and the second step involves the scanning of each segmented image to prepare its dataset. Extracting the shapes and textures from scanned image are performed in the third step. Finally, different machine learning algorithms such as (K* classifier, Additive Regression, Bagging, Input Mapped Classifier, or Decision Table) is separately applied to the extracted (shapes and textures) to obtain the results. Each algorithm results are compared to select the best one according to different criteria’s.

تزودنا الأنواع المختلفة لخلايا الدم البيضاء ببيانات مهمة لتشخيص وتحديد العديد من الأمراض. التشغيل الآلي لهذه المهام يمكن أن يوفر الوقت ويتجنب الأخطاء في التشخيص. في هذا البحث، نستكشف ما إذا كان استخدام ملامح الشكل للنواة كافٍ لتصنيف خلايا الدم البيضاء أم لا. وفقًا لهذا، يتم تنفيذ نظام أوتوماتيكي قادر على تحديد وتحليل خلايا الدم البيضاء (WBCs) إلى خمس فئات (Basophil ، Eosinophil ، Lymphocyte ، Monocyte، وNeutrophil). يتطلب أربع خطوات لمثل هذا النظام، تمثل الخطوة الأولى تجزئة صور للخلايا وتنطوي الخطوة الثانية على مسح كل صورة مجزأة لإعداد مجموعة البيانات الخاصة بها. استخراج الأشكال والنسيج من الصورة الممسوحة يتم القيام به في الخطوة الثالثة. أخيرًا، يتم تطبيق خوارزميات التعلم الآلي المختلفة مثل (K * التصنيف، الانحدار المضاف، التغليف، التصنيف المطبق، أو جدول القرار) يطبق بشكل منفصل على المستخرج (الأشكال والنسيج) للحصول على النتائج. تتم مقارنة نتائج كل خوارزمية لتحديد أفضلها وفقًا لمعايير مختلفة.} }