寄生虫银行数据集用于诊断肠道寄生虫症:虫和原生动物在配方样本中的数据集

科学领域:

• 医学寄生虫学 医学寄生虫学
• 计算机视觉 计算机视觉
• 生物信息学是一种生物信息学.

背景情况:

• 肠道寄生虫感染构成了全球健康负担,特别是在发展中国家.
• 恶劣的卫生和饮食习惯导致高感染率,导致严重的健康并发症.
• 准确识别寄生虫物种对于有效的抗寄生虫治疗和疾病管理至关重要.

研究的目的:

• 为了介绍ParasitoBank,一个新的肠道寄生虫图像数据集.
• 促进研究寄生病诊断和人工智能开发.
• 为训练机器学习模型提供标准化数据集.

主要方法:

• 创建了一个由779张新鲜便样本的显微镜图像组成的数据集.
• 图像是用手机 (摩托罗拉G84) 拍摄的,并通过串行配对技术进行分析.
• 总共有1620种肠道寄生虫,主要是原生动物,被识别和标记.
• 图像元数据和标签的格式是使用常见对象在上下文 (COCO) 标准.

主要成果:

• 寄生虫银行数据集包括779张图像,其中有1620张标记肠道寄生虫,主要是原生动物.
• 图像具有1:1的尺寸比例和2100×2100分辨率.
• 数据集包括COCO JSON格式的标签和元数据,组织在一个压缩文件中.

结论:

• 寄生虫银行为寄生虫学和人工智能研究人员提供了一个有价值的,可访问的资源.
• 该数据集支持对肠道寄生虫的自动诊断工具的开发.
• 这一举措可以促进公共卫生领域的教育应用和人工智能.