来自低资源环境的显微镜图像中的泌尿器官杆菌病的两阶段自动诊断框架
Prosper Oyibo1,2, Brice Meulah3,4, Michel Bengtson3
1Delft University of Technology, Delft Center for Systems and Control, Faculty of Mechanical, Maritime, and Materials Engineering, Delft, The Netherlands.
Journal of medical imaging (Bellingham, Wash.)
|August 9, 2023
概括
撒哈拉以南非洲的泌尿器官分裂症的自动诊断得到了新的AI框架的推进. 该系统在尿液图像中准确检测S.haematobium*蛋,帮助疾病控制工作.
科学领域:
- 医学成像医学成像
- 人工智能的人工智能是人工智能.
- 寄生虫学的寄生虫学
背景情况:
- 泌尿器官杆菌病是撒哈拉以南非洲的一个重大公共卫生问题.
- 准确和有效的诊断对于消除疾病的努力至关重要.
研究的目的:
- 开发和验证使用数字显微镜测试的泌尿器官杆菌病的自动诊断框架.
- 创建一个强大的尿样图像数据集,用于训练和测试诊断模型.
主要方法:
- 开发了一个两阶段的框架,将深度学习 (DeepLabv3-MobileNetV3) 结合起来,用于语义细分和圆合适的方法来检测卵子.
- 创建了一个数据集 (SH数据集),包含来自103个尿样的12051张注释图像.
- 该框架使用边缘人工智能系统对来自65个独立样本的7605张图像进行了评估.
主要成果:
- 诊断框架实现了高性能指标:93.8%的灵敏度,93.9%的特异性和93.8%的精度.
- 该系统证明了有效检测S.haematobium*蛋,通过定义的约束来最大限度地减少假阳性.
结论:
- 开发的AI框架显示了作为诊断泌尿生殖系统杆菌病的工具的前景.
- 结果与世卫组织的目标产品简介一致,用于对杆菌病控制计划的监测.
