艾德曼:一个基于人工智能的物体检测系统,用于从智能手机上检测疟疾的细血图像

科学领域:

• 医学诊断 医学诊断 医学诊断
• 医疗保健中的人工智能
• 寄生虫学的寄生虫学

背景情况:

• 疟疾仍然是一个关键的全球卫生问题,主要影响非洲.
• 准确和快速的疟疾诊断在偏远和资源不足的环境中具有挑战性.
• 现有的诊断方法往往需要专门的设备和训练有素的人员.

研究的目的:

• 开发和验证一种基于人工智能的物体检测系统,用于疟疾诊断 (AIDMAN).
• 在资源有限的地区提高疟疾诊断的准确性和可访问性.
• 为了减少血液涂抹图像中干扰因素引起的诊断错误.

主要方法:

• 利用YOLOv5模型在薄血涂抹中检测细胞.
• 采用注意力对齐模型 (AAM) 进行细胞分类,结合多尺度特征和注意力机制.
• 应用了卷积神经网络分类器用于最终诊断,减轻了假阳性细胞干扰.

主要成果:

• 艾德曼的诊断准确度很高:98.62%的细胞检测和97%的血图像.
• 未来临床验证的准确率为98.44%,相当于专家显微镜师的准确率.
• 该系统有效地处理了非寄生细胞的干扰.

结论:

• 艾德曼提供了临床上可接受的疟疾寄生虫检测.
• 人工智能系统可以显著帮助疟疾诊断,特别是在获得经验丰富的寄生虫学家和设备有限的地区.
• 艾德曼为加强流行地区疟疾控制战略提供了一个有前途的工具.