相关实验视频
Updated: Jul 10, 2026
09:00
A Multi-detection Assay for Malaria Transmitting Mosquitoes
Published on: February 28, 2015
13.3K
试验和苦难:开发一种人工智能,从周围血液涂抹中选疟疾寄生虫
Shilpi Saxena1, Parikshit Sanyal2, Mukul Bajpai3
1Classified Specialist (Pathology) & Trained in Hematopathology, Command Hospital (Western Command), Chandimandir, India.
Medical journal, Armed Forces India
|June 4, 2025
概括
人工智能是为了自动化从血液涂抹中检测疟疾寄生虫而开发的. 模型D,使用图像细分和深 convolutional 神经网络,实现了85%的灵敏度和94%的特异性,改进了手动选.
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:
- 血液涂抹的显微镜是疟疾诊断的黄金标准,但需要熟练的技术人员,并且具有75%的灵敏度.
- 自动化疟疾寄生虫检测旨在提高诊断效率和可访问性.
研究的目的:
- 开发一种人工智能 (AI) 模型,用于在血液涂抹图像中自动检测疟疾寄生虫.
- 评估不同深度学习模型对疟疾寄生虫识别的性能.
主要方法:
- 获得了352张莱什曼-吉姆萨染色的外周血液涂抹图像.
- 开发和训练了五种深度学习模型,包括DCNNs和修改的Inception V3网络.
- 使用图像细分技术 (流域转换) 结合三类DCNN进行细胞分类.
主要成果:
- 组合了细分和天真的三类DCNN的模型D,表现出最高的性能,灵敏度为85%和特异性为94%.
- 模型D成功检测了疟疾寄生虫的形和环形.
- 其他模型 (A,B,C) 在敏感性或特异性方面显示出局限性.
结论:
- 开发的AI模型在自动化疟疾寄生虫查方面取得了重大进展.
- 这项研究是创建使用数字病理学的自动疟疾诊断综合模块的基础步骤.
更多相关视频
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
8.1K
08:20Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images
Published on: October 27, 2023
1.7K
