微观螺旋仪的数据集用于医学图像细分的数据集
Sirui Chen1, Yan Liu2, Qian Zheng3
1Hengyang Medical College, University of South China, Hengyang, Hunan, China; Mechanical and Electronic Information College, China University of Geosciences, Wuhan, Hubei, China; College of Mechanical and Electrical Engineering, Shihezi University, Shihezi, Xinjiang, China.
Computers in biology and medicine
|June 27, 2025
概括
通过深度学习的新数据集,Spirometra mansoni感染的准确诊断得到了改进. 这个资源有助于开发人工智能工具,以更好地检测这种寄生虫.
科学领域:
- 计算寄生虫学计算寄生虫学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 由于当前免疫诊断方法的局限性,成年人Spirometra mansoni感染的准确诊断是困难的.
- 基于深度学习的图像分析为改善诊断准确性提供了潜在的解决方案.
- 开发这些人工智能工具的一个重要障碍是缺乏用于S. mansoni识别的专用数据集.
研究的目的:
- 介绍一个新的微观成像数据集,优化用于训练和验证语义细分卷积神经网络 (CNN) 用于S. mansoni检测.
- 为解决寄生虫学研究中的计算资源短缺问题.
- 促进先进的人工智能驱动诊断工具的开发.
主要方法:
- 通过使用标准化协议和尼康BM-1000光学显微镜,创建了一组由1420张证实S. mansoni感染的显微镜图像组成的数据集.
- 专家使用LabelMe的注释为S. mansoni蛋及其形态特征生成了细分口罩.
- 定量分析包括背景和形态评估,以及对细分架构的评估,以建立性能基准.
主要成果:
- 螺旋体曼索尼数据集 (SMD) 为寄生虫学中人工智能开发提供了宝贵的资源.
- 建立了使用数据集的语义细分架构的性能基准.
- 证明了数据集对S. mansoni蛋形态的定量分析的有用性.
结论:
- 新开发的Spirometra Mansoni数据集 (SMD) 显著推进了计算寄生虫学,通过使CNN能够训练用于S. mansoni检测.
- 这种资源可以带来更敏感,更具成本效益的诊断工具.
- 该数据集是公开的,促进了寄生虫疾病诊断的进一步研究和开发.
