تالاسمی یکی از شایع‌ترین بیماری‌های ژنتیکی است. این بیماری به دو دسته‌ی تالاسمی مینور و ماژور طبقه‌بندی می‌شود. تالاسمی مینور بیماری تلقی نمی‌شود و بسیاری از افراد از مبتلا بودن به آن آگاه نیستند ولی در صورت ازدواج دو فرد مبتلا به تالاسمی مینور، به احتمال 25 درصد فرزند آن‌ها به تالاسمی ماژور مبتلا خواهد شد. علایم بیماری تالاسمی ماژور به تدریج در 6 ماه اول زندگی نوزاد آشکار می‌شود. طول عمر بیماران تالاسمی ماژور معمولا کوتاه است و هزینه‌ی نگهداری از این بیماران نیز بسیار بالا است. آزمایش‌های قبل از ازدواج مطمئن‌ترین راه برای جلوگیری از بیماری تالاسمی ماژور است. از سال 1376 برنامه‌ی ملی پیشگیری تالاسمی به طور رسمی در رأس برنامه های مراکز بهداشت سراسر کشور قرار گرفته است. با توجه به حجم زیاد آزمایش‌هایی که روزانه در مراکز مختلف انجام می‌شود، نیاز به بررسی روش‌های شناسایی و تشخیص این بیماری به صورت خودکار ضروری به نظر می‌رسد. روش‌های پردازش تصویر یکی از روش‌های بررسی خودکارگلبول‌های خونی است. برای این کار می‌توان با اتصال یک دوربین دیجیتال به میکروسکوپ از لام‌های تهیه شده از نمونه‌های خون عکسبرداری نمود و با استفاده از الگوریتم‌های پردازش تصویر بیماری‌های مختلفی را بررسی و شناسایی کرد. داده‌های مورد نیاز (که تصاویر تهیه شده از اسلایدهای خونی است) از بخش پاتولوژی دانشگاه علوم پزشکی اصفهان و همچنین بیمارستان هایی از قبیل بیمارستان سیدالشهداء تهیه شده است. این تصاویر شامل 100 نمونه خون محیطی سالم و 100 نمونه خون محیطی تالاسمی مینور می‌باشد. هدف این تحقیق طراحی و پیاده‌سازی یک سیستم عملی برای آنالیز خودکار گلبول‌های خون بر اساس مورفولوژی آن‌ها و تشخیص بیماری تالاسمی مینور بر اساس جدا کردن گلبول‌های طبیعی از موارد غیر طبیعی می‌باشد. در اکثر بیماری‌های خونی گلبول‌های قرمز خون از حالت طبیعی یا دیسک مانند تغییر شکل داده و به شکل‌های مختلف یا به اصطلاح پویکیلوسیت تبدیل می‌شوند.گلبول‌های هدف (تارگت)، گلبول‌های بیضوی (الیپتوسیت) وگلبول‌های اشکی شکل (داکروسیت) از انواع گلبول‌هایی هستند که در نمونه‌ی خون محیطی بیماران تالاسمی مینور مشاهده می‌شوند. هدف این تحقیق جداسازی و آشکارسازی این گلبول‌ها در نمونه‌های خون تالاسمی مینور و تشخیص این بیماری بر اساس درصد این گلبول‌ها می‌باشد. بعد از جمع‌آوری پایگاه داده در مرحله‌ی اول گلبول‌های قرمز با استفاده از روش آستانه‌گذاری اوتسو جدا می‌شوند. سپس ویژگی‌های هندسی مناسب برای هر گلبول استخراج می‌شود. انواع گلبول‌های قرمز در سه مرحله طبقه‌بندی می‌شوند. در مرحله‌ی اول گلبول‌های تارگت با استفاده از روش آستانه‌گذاری با صحت 84% شناسایی شده‌اند. در مرحله‌ی دوم برای طبقه‌بندی گلبول‌های نرمال، الیپتوسیت و داکروسیت، شبکه‌ی عصبی با الگوریتم پس‌انتشار خطا، ماشین بردار پشتیبانی و K نزدیک‌ترین همسایه مورد بررسی قرار گرفته‌اند. از بین آن‌ها، طبقه‌بندی‌کننده‌ی K نزدیک‌ترین همسایه با درصدهای صحت 99% برای گلبول‌های نرمال، 99% برای گلبول‌های الیپتوسیت و 94% برای داکروسیت‌ها در طبقه‌بندی این دسته گلبول‌ها عملکرد بهتری داشته است. لازم به ذکر است که یک سطح آستانه نیز برای این طبقه‌بندی‌کننده‌ها در نظر گرفته شده‌است و چنانچه خروجی طبقه‌بندی‌کننده از این سطح آستانه کمتر باشد، این گلبول در هیچ‌ یک از سه دسته‌‌ی بالا قرار نمی‌گیرد. در مرحله‌ی سوم گلبول‌های حذف شده به عنوان گلبول‌های متفرقه در نظر گرفته می‌شود. درصد صحت به دست آمده برای این گلبول‌ها 95% می‌باشد. پس از طبقه‌بندی گلبول‌های قرمز با استفاده از درصد گلبول‌های به دست آمده (که به عنوان بردار ویژگی ورودی به یک شبکه‌ی عصبی داده شده اند) تشخیص تالاسمی مینور صورت گرفته است. الگوریتم ارائه شده در نهایت با 98% صحت و حساسیت 100% موفق به تشخیص تالاسمی مینور شده است. کلمات کلیدی: 1- تالاسمی 2-پردازش تصویر 3- تشخیص آنمی 4- مورفولوژی گلبول های قرمز