深度学习方法用于从微观血涂抹评估疟疾寄生虫.
Abhinav Dahiya1, Devvrat Raghuvanshi1, Chhaya Sharma1
1Department of Computer Science and Engineering, University Institute of Engineering and Technology, Maharshi Dayanand University, Rohtak, Haryana, India.
Artificial intelligence in medicine
|March 19, 2025
概括
自动疟疾诊断显示了提高准确性的前景. 深度学习模型实现了高性能,但标准化和现实世界的应用挑战仍然存在,用于全球疟疾控制.
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
- 计算机科学 计算机科学
背景情况:
- 疟疾导致全球显著的发病率和死亡率,在2024年报告的死亡人数约为597,000人.
- 在血液涂抹中对Plasmodium寄生虫的自动分析有可能提高诊断的准确性和效率.
研究的目的:
- 系统地审查目前用于自动疟疾诊断的方法.
- 检查计算机辅助方法,数据库,染色技术和诊断模型.
- 确定近期研究在自动疟疾检测方面的局限性和贡献.
主要方法:
- 系统的文献审查遵循PRISMA指南.
- 搜索了Web of Science和Scopus的同行评审研究,从2020年到2024年.
- 包括使用深度学习和机器学习用于从血液涂抹中自动检测疟疾的研究.
主要成果:
- 美国国家卫生研究院数据库是用于疟疾诊断的标准化资源.
- 用Giemsa染色的细血涂片是Plasmodium生命周期观察的最佳方法.
- 确定了表现最佳的模型:ResNet/VGG (99.12%的准确率),流行的定制CNN (58%的研究) 和CADx模型.
结论:
- 自动疟疾诊断具有显著的潜力,可以减少错误并提高准确性.
- 深度学习模型表现出高性能,但数据标准化和现实世界的实施需要进一步关注.
- 应对当前的挑战可以为全球疟疾控制工作提供更可靠,更可扩展的诊断工具.
关键词:
人工智能的人工智能是人工智能.深度学习是一种深度学习.机器学习是机器学习.疟疾:疟疾是一种疾病.普里斯玛是什么意思 普里斯玛是什么意思流感病毒sppp 流感病毒spp薄&厚的血涂抹 细厚的血涂抹这是一个VOS观看器.更多相关视频
09:02An Experimental Model to Study Tuberculosis-Malaria Coinfection upon Natural Transmission of Mycobacterium tuberculosis and Plasmodium berghei
Published on: February 17, 2014
19.7K
10:50Detection and Quantification of Plasmodium falciparum in Aqueous Red Blood Cells by Attenuated Total Reflection Infrared Spectroscopy and Multivariate Data Analysis
Published on: November 2, 2018
7.9K