تالاسمی یکی از شایعترین بیماری های ژنتیکی است. این بیماری به دو دسته ی تالاسمی مینور و ماژور طبقهبندی می شود. تالاسمی مینور بیماری تلقی نمی شود 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 آن ها به تالاسمی ماژور مبتلا خواهد شد. علایم بیماری تالاسمی ماژور به تدریج در 6 ماه اول زندگی نوزاد آشکار می شود. طول عمر بیماران تالاسمی ماژور معمولا کوتاه است و هزینه ی نگهداری از این بیماران نیز بسیار بالا است. آزمایش های قبل از ازدواج مطمئن ترین راه برای جلوگیری از بیماری تالاسمی ماژور است. از سال 1376 برنامه ی 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 می شود، نیاز به بررسی روش های شناسایی و تشخیص این بیماری به صورت خودکار ضروری به نظر می رسد. روش های پردازش تصویر یکی از روش های بررسی خودکارگلبول های خونی است. برای این کار می توان با اتصال یک دوربین دیجیتال به میکروسکوپ از لام های تهیه شده از نمونه های خون عکسبرداری نمود و با استفاده از الگوریتم های پردازش تصویر بیماری های مختلفی را بررسی و شناسایی کرد. داده های 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 می باشد. هدف این تحقیق طراحی و پیاده سازی یک سیستم عملی برای آنالیز خودکار گلبول های خون بر اساس مورفولوژی آن ها و تشخیص بیماری تالاسمی مینور بر اساس جدا کردن گلبول های طبیعی از موارد غیر طبیعی می باشد. در اکثر بیماری های خونی گلبول های قرمز خون از حالت طبیعی یا دیسک مانند تغییر شکل داده و به شکل های مختلف یا به اصطلاح پویکیلوسیت تبدیل می شوند.گلبول های هدف (تارگت)، گلبول های بیضوی (الیپتوسیت) وگلبول های اشکی شکل (داکروسیت) از انواع گلبول هایی هستند که در نمونه ی خون محیطی بیماران تالاسمی مینور مشاهده می شوند. هدف این تحقیق جداسازی و آشکارسازی این گلبول ها در نمونه های خون تالاسمی مینور و تشخیص این بیماری بر اساس درصد این گلبول ها می باشد. بعد از جمع آوری پایگاه داده در مرحله ی اول گلبول های قرمز با استفاده از روش آستانه گذاری اوتسو جدا می شوند. سپس ویژگی های هندسی مناسب برای هر گلبول استخراج می شود. انواع گلبول های قرمز در سه مرحله طبقه بندی می شوند. در مرحله ی اول گلبول های تارگت با استفاده از روش آستانه گذاری با صحت 84% شناسایی شده اند. در مرحله ی دوم برای طبقه بندی گلبول های نرمال، الیپتوسیت و داکروسیت، شبکه ی عصبی با الگوریتم پس انتشار خطا، ماشین بردار پشتیبانی و k نزدیک ترین همسایه مورد بررسی قرار گرفته اند. از بین آن ها، طبقه بندی کننده ی k نزدیک ترین همسایه با درصدهای صحت 99% برای گلبول های نرمال، 99% برای گلبول های الیپتوسیت و 94% برای داکروسیت ها در طبقه بندی این دسته گلبول ها عملکرد بهتری داشته است. لازم به ذکر است که یک سطح آستانه نیز برای این طبقه بندی کننده ها در نظر گرفته شده است و چنانچه خروجی طبقه بندی کننده از این سطح آستانه کمتر باشد، این گلبول در هیچ یک از سه دسته ی بالا قرار نمی گیرد. در مرحله ی سوم گلبول های حذف شده به عنوان گلبول های متفرقه در نظر گرفته می شود. درصد صحت به دست آمده برای این گلبول ها 95% می باشد. پس از طبقه بندی گلبول های قرمز با استفاده از درصد گلبول های به دست آمده (که به عنوان بردار ویژگی ورودی به یک شبکه ی 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.