(按字母顺序排列) Aida GOGA – 阿尔巴尼亚地拉那大学 Ali PAJAZITI – 阿尔巴尼亚社会学协会 (ALBSA);泰托沃东南大学,北马其顿 Alush MUSAJ – 米特罗维察大学 Isa Boletini,科索沃 Besim GOLLOPENI – 巴尔干社会学论坛;米特罗维察大学 Isa Boletini,科索沃 Blerina HAMZALLARI – 地拉那大学,阿尔巴尼亚 Bujar DEMJAHA – AAB 学院,科索沃 Dhimitri BELLO – 大学 Fan S. Noli Korçë,阿尔巴尼亚 Doreta KUÇI TARTARI – 亚历山大·莫伊休·杜拉斯大学,阿尔巴尼亚 Dukagjin LEKA – 阿尔巴尼亚卡德里泽卡大学Gjilan,科索沃 Enkelejd MċHILLI – Ismail Qemali 大学 发罗拉,阿尔巴尼亚 Erbora SOKOLI – 玛丽蒙特国际罗马学校,意大利 Erenestina GJERGJI HALILI – 地拉那大学,阿尔巴尼亚 Ermioni CEKANI – LTC 和 Boti's Polis Agency,阿尔巴尼亚 Filomin C. GUTIERREZ – 迪利曼大学,菲律宾 Geron KAMBERI – 学校领导中心,CSL-AADF,阿尔巴尼亚 Irena NIKAJ – 大学粉丝阿尔巴尼亚 Korca 的 Noli Ismajl BAFTIJARI – 科索沃科学技术研究所 (INSI) Izet ZEQIRI – 母亲特雷莎大学斯科普里,北马其顿 Jasminka LAŽNJAK – 萨格勒布大学,克罗地亚 Jonida LAMAJ – 阿尔巴尼亚美国发展基金会,阿尔巴尼亚 Klodiana LEKA – 亚历山大·莫伊休·杜拉斯大学,阿尔巴尼亚 Koby GUTTERMAN – 基布兹教育、技术和艺术学院,以色列特拉维夫Krenare SHAHINI – 科索沃社会学、人口统计研究与创新研究所 (ISDI) Kseanela SOTIRIFSKI – U
Cern Beam物理学:Matthew Fraser,Eliott Johnson,Nikolaos Charitonidis,Rebecca Taylor Beam操作:Marc Delrieux,Linac3和Leir Teams Beam仪器:Federico Roncarolo,Inaki Ortega Ruiz,Jocelyn Tan,Jocelyn tan,Jocelly brreth,Aboub eboub eboun damhmun NOLI CHAM和IRRAD:Salvatore Danzeca,Federico Ravotti辐射保护:Robert Froeschl,Angelo Infantino Fluka:Francesco Cerutti,Luigi Esposito知识转移:Enrico Chesta R2E:Ruben Garcia Alia,Matteo Brucoli,Rudy ferrea and gire and giuse and n n and Alia Emriskova,Mario Sacristan,Daniel Prelipcean集团和部门管理:Brennan Goddard,Simone Gilardoni,Markus Brugger
在细胞的监督分类中优化特征提取和分类器的组合组合Xhoena polisi duro 1,2*,Arban UKA 2,Griselda alushllari 2,Albana Ndreu Halili 3,Dimitrios A. Karras A. Karras A. Karras 2,Nihal Engin vrana vrana 4 1 Informatics obs s. noli oblia,“ fan nori”,koria,koria,koria,korica,korica,korica,korka,korka,“ korcua”。 xpolisi@epoka.edu.al(X.P.D.)。2埃波卡大学计算机工程系,阿尔巴尼亚蒂拉纳市; auka@epoka.edu.al(a.u.)galushllari@epoka.edu.al(G.A。)dkarras@epoka.edu.al(d.a.k.)3西巴尔干大学医学系,阿尔巴尼亚提拉娜; albana.halili@wbu.edu.al(a.n.h。) 4法国斯特拉斯堡的Spartha Medical; evrana@sparthamedical.eu(N.E.V.) 摘要:医学领域的发展已经开放了在个性化患者层面进行分析的机会。 可以进行的重要分析之一是对工程材料的细胞反应,最合适的非侵入性方法是成像。 这些细胞的图像是未染色的Brightfield图像,因为在存在生物材料和流体的情况下,它们是从多参数微流体室获取的,这些室可能会随着时间的流逝而改变光路的长度,因为细胞的健康状态被监测。 这些实验条件导致具有独特照明,纹理和噪声频谱的图像数据集。 本研究通过将特征提取体系结构和机器学习分类器结合起来,探讨了监督细胞分类的优化,并重点介绍了生物材料风险评估中的应用。 1。 简介3西巴尔干大学医学系,阿尔巴尼亚提拉娜; albana.halili@wbu.edu.al(a.n.h。)4法国斯特拉斯堡的Spartha Medical; evrana@sparthamedical.eu(N.E.V.)摘要:医学领域的发展已经开放了在个性化患者层面进行分析的机会。可以进行的重要分析之一是对工程材料的细胞反应,最合适的非侵入性方法是成像。这些细胞的图像是未染色的Brightfield图像,因为在存在生物材料和流体的情况下,它们是从多参数微流体室获取的,这些室可能会随着时间的流逝而改变光路的长度,因为细胞的健康状态被监测。这些实验条件导致具有独特照明,纹理和噪声频谱的图像数据集。本研究通过将特征提取体系结构和机器学习分类器结合起来,探讨了监督细胞分类的优化,并重点介绍了生物材料风险评估中的应用。1。简介分析了三种细胞类型(A549,BALB 3T3和THP1)的Brightfield显微镜图像,以评估Inception V3,Squeeze Net和VGG16架构与分类器与包括KNN,决策树,随机森林,Adaboost,Adaboost,Neural Networks和Natan bayes的分类器配对的影响的影响。使用信息增益降低维度,以提高计算效率和准确性。使用不同参数的Butterworth过滤器用于平衡图像特征和降噪的增强,从而在某些情况下提高了分类性能。实验结果表明,与神经网络配对时,VGG16体系结构可实现通过不同指标衡量的更高分类精度。与未经过滤的数据集相比,使用Butterworth过滤器时的精度提高了,并且各种Butterworth滤波器之间的差异表明了优化这些类型图像的过滤器参数的重要性。关键字:生物材料风险评估,细胞图像分类,分类器,特征提取,个性化医学,监督分类。
