{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部分”：[[2024,3,27]]，“日期-时间”：“2024-03-27T21:28:29Z”，“时间戳”：1711574909149}，“参考-计数”：19，“出版商”：“富士科技出版社”，“问题”：“5”，“资助者”：[{“名称”：“德拉萨尔利帕研究与出版办公室”}]，“内容-域”在“用法：{“domain”：[]，“crossmark-restriction”：false}，“short-container-title”：[“JACIII”，“J.Adv.Comput.Intell.Intell.Inform.”]，“published-print”：{”date-parts“：[2022,9,20]]}，”abstract“：”血型鉴定是一种用于确定特定血型的方法。这是输血或献血前的一项要求，尤其是在紧急情况下。目前，测试是由实验室的医疗技术人员手动进行的。有时，手动血型分析容易出现人为错误，导致报告中的血型错误和分型错误，导致致命的输血反应。这项研究的重点是开发一种能够使用图像处理和机器学习算法识别个人血型的设备。该研究通过开发一个与网络摄像头系统集成的捕获盒，有效地捕获血样图像，对八种血型进行了识别，特别是恒河猴的阳性和阴性血型A、B、O和AB。在本研究中，使用的方法包括通过分割进行图像处理、通过颜色和纹理属性进行特征提取以及不同的机器学习算法。训练后的结果表明，采用70:30的坚持验证，粗树DT的性能准确率最高，达到97.77%。测试结果表明，经注册医疗技术专家验证，该系统的准确率为100%<\/jats:p>“，”DOI“：”10.20965\/jacii.2022.p0698“，”type“：”journal-article“，”created“：{”date-parts“：[[2022,9,19]]，”date-time“：”2022-09-19T15:02:06Z“，”timestamp“：1663599726000}，”page“：“698-705”，”source“：前缀“：”10.20965“，”volume“：”26“，”author“：[{”given“：“Marife A.”，”family“：”Rosales“，”sequence“：”first“，”affiliation“：[]}，{”name“：”电子与通信工程系，De La Salle Lipa 1962 J.P.Laurel National Highway，Mataas na Lupa，Batangas 4217，Philippines，“sequence”：“first”，“affiliance”：[]{“given”：“Robert G.De”，“”family“：”Luna“，”sequence“：”additional“，”affiliation“：[]}]，”member“：”8550“，”published-on-line“：{”date-parts“：[[2022,9,20]]}，”reference“：[{”key“：”key-10.20965\/jacii.2022.p0698-1“，”unstructured“：”A.Sahastrabuddhe and S.Ajij，\u201cBlood Group Detection and RBC，WBC Counting:An Image Processing Approach，\u201 d Int.J.Eng。计算。科学。，第5卷，第10期，第18635-18639页，2016年10.4103\/0973-6247.175402“}，{“key”：“key-10.20965\/jacii.2022.p0698-3”，“unstructured”：“R.A.Rathod和R.A.Pathan，使用SIFT变换和SVM分类器确定和分类人类血型，\u201d Int。《电气、电子和仪器工程高级研究杂志》，第5卷，第11期，第8467-8473页，2016年。机器。学习。计算。，第3卷，第4期，第376-379页，2013年key-10.20965 \/jacii.2022.p0698-6“，”doi-asserted-by“：”crossref“，”unstructured“：”G.Ravindran等人，使用图像处理技术确定和分类血型，《国际计算机杂志》。申请。，第157卷，第1期，第12-16页，2017年。“，“DOI”：“10.5120\/ijca2017912592”}，{“key”：“key-10.20965\/jacii.2022.p0698-7”，“DOI-asserted-by”：“crossref”、“unstructured”：“M.A.Rosales等人，基于快速R-CNN的智能水产养殖系统鱼类检测器，IEEE第13届国际人类科学大会，纳米技术，Inf。技术。Commun公司。控制。环境。管理。，doi:10.1109，HNICEM54116.2021.9732042，2022.“，”doi“：”10.1109，“/HNICEM54116.2021.9732042”}，{“key”：“key-10.20965，jacii.2022.p0698-8”，“unstructured”：“S.Nikam，\u201cA Comparative Study of Classification Techniques in Data Mining Algorithms，\u201 d Orient.J.Compute.Sci.Technol.，Vol.8，No.1，pp.13-192015.”}key-10.20965 \/jacii.2022.p0698-9“，“doi-asserted-by”：“crossref”，“unstructured”：“M.A.Rosales等人，使用机器学习算法的基于生理学的智能应力检测器，IEEE第11届国际会议类人，纳米技术，信息技术。Commun公司。控制。环境。管理。（HNICEM），doi:10.1109\/HNICEM48295.2019.90733552019.“，”doi“：”10.1109\/H NICEM428295.20199.9073355“}，{“key”：“key-10.20965\/jacii.2022.p0698-10”，“doi-asserted-by”：“crossref”，“unstructured”：“M.A.Rosales et al.，\u201cArtificial Intelligence:The Technology Adoption and Impact in Philippines，\u201 d IEEE 12th Int.Conf。仿人、纳米技术、信息技术。Commun公司。控制。环境。管理。（HNICEM），doi:10.1109，HNICEM51456.2020.9400025，2020。“，”doi“：”10.1109，“HNICEM1456.20200.9400025”}，{“key”：“key-10.20965，jacii.2022.p0698-11”，“doi-asserted-by”：“crossref”，”unstructured“：”S.Uchida，\u201c生物图像的图像处理和识别，\u201 d发展、生长和分化，第55卷，第4期，第523-549页，2013。“，“doi”：“10.1111\/dgd.12054“}，{“key”：“key-10.20965”，“doi-asserted-by”：“crossref”，“unstructured”：“J.M.Sharif等人，使用掩蔽和分水岭算法进行红细胞分割：初步研究，\u201d Int.Conf.Biomed.Eng.（ICoBE），第258-262页，2012年。”，“doi”：“10.1109\/ICoBE.2012.6179016”}key-10.20965 \/jacii.2022.p0698-13“，“非结构化”：“K.B.Soni和S.S.Lokhande，血型检测和WBC，RBC细胞计数，\u201d Int.J.Innov。Res.Electr.公司。电子。仪器。《控制工程》，第6卷，第6期，第78-83页，2018年。Mandloi，《彩色图像特征提取技术综述》，国际计算机杂志。科学。技术信息。，第3卷，第3期，第4615-4620页，2013年10.17148\/IJARCCE.2015.41090“}，{“key”：“key-10.20965\/jacii.2022.p0698-17”，“非结构化”：“W.Zhu，N.Zeng，and N。Wang，\u201c敏感性、特异性、准确性、相关置信区间和ROC分析与实用SAS\\textsuperscript\u00ae实施K&L咨询服务公司，宾夕法尼亚州华盛顿堡Octagon Research Solutions，Wayne，\u201 d NESUG 2010 Heal。护理生命科学。，2010.https:\/\/www.lexjansen.com/nesug\/nesug10\/hl\/hl07.pdf[2019年6月12日访问]“}，{“key”：“key-10.20965\/jacii.2022.p0698-18”，“unstructured”：“M.A.Rosales et al.，\u201cNon-Invasive Glycosylated Hemoglobin Monitoring Using Artificial Neural Network and Optimized SVM，\u201 d 9th Inte.Symp.Comput.Intell.Ind。申请。，doi:10.13140\/RG.2.2.28403.456042020.“}，{”key“：”key-10.20965\/jacii.2022.p0698-19“，”doi-asserted-by“：”crossref“，“unstructured”：“D.Khanna等人，预测心脏病患病率的分类技术比较研究（SVM、Logistic回归和神经网络），”u201d Int.J。马赫。学习。计算。，第5卷，第5期，第414-4192015页。”，“DOI”：“10.7763\/IJMLC.2015.5.544”}]，“容器标题”：[“高级计算智能与智能信息学杂志”]，“原标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/www.fujipress.jp\/main\/wp content\/themes\/fujipress\/hyosetsu.php？ppno=JACI002600050004”，“内容类型”：“unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2022,9,19]]，”date-time“：”2022-09-19T15:03:05Z“，”timestamp“：1663599785000}，”score“：1，”resource“：”{“primary“：”“短标题”：[]，“已发布”：{date-parts“：[2022,9,20]]}，“references-count”：19，“journal-issue”：{“issue”：“5”，“published-on-line”：{-“date-part”：[2022,9,20]]}、“publishedprint”：{--“date-ports”：[[2022,9,20]]}}，”URL“：”http://\/dx.doi.org\/10.20965\/jacii.2022.p0698“，”关系“：{}，1883-8014“，”1343-0130“]，”ISSN-type“：[{”value“：”1883-8013“，”type“:”electronic“}，{”value“：”1343-0130“，”type“：”print“}]，”subject“：[]，”published“：{”date-parts“：[2022,9,20]]}}