হাই-থ্রুপুট ইমেজিং পাইপলাইনের অংশ হিসাবে ত্রুটিযুক্ত চিত্রগুলি এবং / অথবা ত্রুটিযুক্ত বিভাগগুলি সনাক্ত করতে আমি স্বয়ংক্রিয়ভাবে বিভাগিত মাইক্রোস্কোপি চিত্রগুলি প্রক্রিয়া করতে চাই। প্রতিটি কাঁচা চিত্র এবং বিভাগকরণের জন্য গণনা করা যেতে পারে এমন অনেকগুলি প্যারামিটার রয়েছে এবং যখন চিত্রটি ত্রুটিযুক্ত হয় তখন এটি "চরম" হয় " উদাহরণস্বরূপ, চিত্রের একটি বুদবুদ ফলাফল হিসাবে সনাক্তকারী "কোষগুলির" একটিতে প্রচুর আকারের আকার বা পুরো ক্ষেত্রের জন্য অস্বাভাবিকভাবে কম কোষের সংখ্যার মতো ব্যতিক্রম হতে পারে। আমি এই ব্যতিক্রমী মামলাগুলি সনাক্ত করার জন্য একটি কার্যকর উপায়ের সন্ধান করছি। আদর্শভাবে, আমি এমন একটি পদ্ধতির পছন্দ করব যাতে নিম্নলিখিত বৈশিষ্ট্যগুলি রয়েছে (মোটামুটি পছন্দসই ক্রমে):
পূর্বনির্ধারিত পরম সংখ্যার প্রয়োজন হয় না (যদিও পূর্বনির্ধারিত শতাংশ ঠিক আছে);
মেমরিতে সমস্ত ডেটা থাকা বা এমনকি সমস্ত ডেটা দেখে নেওয়া প্রয়োজন হয় না; পদ্ধতিটি অভিযোজিত হওয়ার জন্য এটি ঠিক হবে এবং আরও ডেটা দেখায় এর মানদণ্ডটি আপডেট করুন; (স্পষ্টতই, কিছু ছোট সম্ভাবনার সাথে, সিস্টেম পর্যাপ্ত ডেটা দেখার আগে, ব্যতিক্রম হতে পারে এবং মিস করা হবে ইত্যাদি)
সমান্তরালযোগ্য: যেমন প্রথম রাউন্ডে, সমান্তরালভাবে কাজ করে এমন অনেকগুলি নোড অন্তর্বর্তী প্রার্থী বিযুক্তি তৈরি করে, যা প্রথম রাউন্ডটি শেষ হওয়ার পরে নির্বাচনের দ্বিতীয় দফার মধ্য দিয়ে যায়।
আমি যে অসঙ্গতিগুলি খুঁজছি তা সূক্ষ্ম নয়। এগুলি এমন ধরণের যা স্পষ্টভাবে স্পষ্ট হয় যদি কেউ ডেটার একটি হিস্টোগ্রামের দিকে নজর দেয়। তবে প্রশ্নে থাকা ডেটার পরিমাণ এবং চিত্রগুলি তৈরি হবার সাথে সাথে বাস্তব সময়ে এই অসাধারণ সনাক্তকরণের চূড়ান্ত লক্ষ্য, কোনও মানবিক মূল্যায়নকারী দ্বারা হিস্টোগ্রামের পরিদর্শনের প্রয়োজন হবে এমন কোনও সমাধানকে অন্তর্ভুক্ত করে।
ধন্যবাদ!