Tryp:一个数据集的显微镜图像的未染色的厚血涂抹的试体检测试体
Esla Timothy Anzaku1,2, Mohammed Aliy Mohammed3,4, Utku Ozbulak5
1Center for Biosystems and Biotech Data Science, Ghent University Global Campus, Incheon, 21985, South Korea. eslatimothy.anzaku@ugent.be.
Scientific data
|October 18, 2023
概括
一个新的Tryp数据集有助于诊断被忽视的热带疾病Trypanosomiasis. 这种最大规模的显微镜图像数据集使人工智能驱动的查成为可能,改善了受影响社区的医疗保健.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 寄生虫学的寄生虫学
- 人工智能的人工智能
背景情况:
- 松病是一种被忽视的热带疾病,影响撒哈拉以南非洲和拉丁美洲.
- 世界卫生组织强调需要对被忽视的热带疾病进行现场适应的诊断.
- 缺乏精心策划的数据集阻碍了人工智能 (AI) 在疾病查中的应用.
研究的目的:
- 介绍Tryp数据集,这是Trypanosomiasis研究的新资源.
- 为了促进AI驱动的Trypanosomiasis诊断查.
- 为了对寄生虫检测的深度学习模型进行基准测试.
主要方法:
- 开发Tryp数据集,其中包含Trypanosoma brucei brucei在血液涂抹中的显微镜图像.
- 在3,085张阳性图像和93张阴性图像中,包括用于寄生虫识别的界限框注释.
- 在数据集上对三种领先的深度学习对象检测技术进行比较.
主要成果:
- "Tryp"数据集是用于诊断三虫病的最大的数据集.
- 证明了使用人工智能在血液涂抹中检测Trypanosoma brucei brucei的可行性.
- 在这个特定任务上为深度学习模型建立了绩效基准.
结论:
- 预计Tryp数据集将加速对Trypanosomiasis的诊断查研究.
- 这一数据集的可用性可以带来改善医疗保健结果.
- 促进人工智能对被忽视的热带疾病的进展.
