从各种图像中有效地检测疟疾寄生虫,用于跨区域模型准确度的厚血涂抹

科学领域:

• 医学诊断 医学诊断 医学诊断
• 计算生物学 计算生物学
• 寄生虫学的寄生虫学

背景情况:

• 疟疾诊断在很大程度上依赖于显微镜,这可能耗时,需要专家解释.
• 现有的诊断方法在资源较少的环境中面临挑战,特别是在撒哈拉以南非洲.
• 需要有效,准确和易于使用的疟疾检测工具.

研究的目的:

• 通过将智能手机技术与显微镜相结合,提高疟疾诊断效率.
• 开发一种算法方法,用于在厚血涂抹 (TBS) 图像中检测疟疾寄生虫.
• 在各种数据集上验证系统的性能,包括来自全球各个地区的低质量图像.

主要方法:

• 使用智能手机集成显微镜系统获取图像.
• 图像细分和卷积神经网络 (CNN) 的应用用于寄生虫检测.
• 在开源TBS数据集上训练CNN模型,并通过来自撒哈拉以南非洲的额外数据进行验证.

主要成果:

• 拟议的CNN模型实现了97.74%±0.05%的高精度和97.75%±0.04%的F1得分.
• 该算法在使用AlexNet架构的基础上,与现有文献相比,表现出卓越的性能.
• 在各种TBS数据集中成功检测到疟疾寄生虫,包括具有挑战性的低质量图像.

结论:

• 开发的智能手机显微镜集成系统显示了改善疟疾诊断的重大前景.
• 算法方法为资源有限的地区的疟疾检测提供了具有成本效益和高效的解决方案.
• 这项技术可以帮助疟疾地区的医疗保健专业人员,特别是那些获得先进诊断设施有限的人.