論文の概要: Towards Low-Cost and Efficient Malaria Detection
- arxiv url: http://arxiv.org/abs/2111.13656v1
- Date: Fri, 26 Nov 2021 18:34:32 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-29 18:13:04.736809
- Title: Towards Low-Cost and Efficient Malaria Detection
- Title(参考訳): 低コスト・高効率マラリア検出に向けて
- Authors: Waqas Sultani1, Wajahat Nawaz, Syed Javed, Muhammad Sohail Danish,
Asma Saadia, Mohsen Ali
- Abstract要約: マラリアは致命的だが治療可能な病気だ。
深層学習に基づく手法は、専門家の負担を軽減するだけでなく、低コストの顕微鏡の診断精度を向上させる可能性がある。
本稿では,低コスト顕微鏡を用いたマラリア顕微鏡の研究をさらに進めるためのデータセットを提案する。
- 参考スコア(独自算出の注目度): 2.7402733069180996
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Malaria, a fatal but curable disease claims hundreds of thousands of lives
every year. Early and correct diagnosis is vital to avoid health complexities,
however, it depends upon the availability of costly microscopes and trained
experts to analyze blood-smear slides. Deep learning-based methods have the
potential to not only decrease the burden of experts but also improve
diagnostic accuracy on low-cost microscopes. However, this is hampered by the
absence of a reasonable size dataset. One of the most challenging aspects is
the reluctance of the experts to annotate the dataset at low magnification on
low-cost microscopes. We present a dataset to further the research on malaria
microscopy over the low-cost microscopes at low magnification. Our large-scale
dataset consists of images of blood-smear slides from several malaria-infected
patients, collected through microscopes at two different cost spectrums and
multiple magnifications. Malarial cells are annotated for the localization and
life-stage classification task on the images collected through the high-cost
microscope at high magnification. We design a mechanism to transfer these
annotations from the high-cost microscope at high magnification to the low-cost
microscope, at multiple magnifications. Multiple object detectors and domain
adaptation methods are presented as the baselines. Furthermore, a partially
supervised domain adaptation method is introduced to adapt the object-detector
to work on the images collected from the low-cost microscope. The dataset will
be made publicly available after publication.
- Abstract(参考訳): マラリアは致命的だが治療可能な病気であり、毎年数十万人の命がかかっている。
早期かつ正確な診断は、健康の複雑さを避けるのに不可欠であるが、高価な顕微鏡と訓練された専門家が血液中のスライドを分析するために利用できるかどうかにかかっている。
深層学習に基づく手法は、専門家の負担を軽減するだけでなく、低コスト顕微鏡の診断精度を向上させる可能性を秘めている。
しかし、これは適切なサイズのデータセットがないために妨げられる。
最も難しい側面の1つは、低コストの顕微鏡で低倍率でデータセットに注釈を付ける専門家の寛容さである。
本稿では,低倍率顕微鏡を用いたマラリア顕微鏡研究のためのデータセットを提案する。
2つの異なるコストスペクトルと複数の倍率で顕微鏡で収集した、マラリアに感染した複数の患者の血液中のスライドの画像から、大規模データセットを構築した。
高精度顕微鏡で高精細度に収集した画像の局所化と生命ステージ分類のタスクにマトリル細胞をアノテートする。
本研究では,これらのアノテーションを高倍率顕微鏡から高倍率顕微鏡へ複数倍率で転送する機構を設計する。
複数のオブジェクト検出器とドメイン適応メソッドがベースラインとして提示される。
さらに、低コスト顕微鏡から収集した画像にオブジェクト検出器を適応させるために、部分教師付き領域適応法を導入する。
データセットは公開後に公開される予定だ。
関連論文リスト
- DiffKillR: Killing and Recreating Diffeomorphisms for Cell Annotation in Dense Microscopy Images [105.46086313858062]
DiffKillRは、アーチェタイプマッチングと画像登録タスクの組み合わせとして、セルアノテーションを再構成する新しいフレームワークである。
我々はDiffKillRの理論的性質について論じ、それを3つの顕微鏡タスクで検証し、既存の教師付き・半教師なし・教師なしの手法に対する利点を実証する。
論文 参考訳(メタデータ) (2024-10-04T00:38:29Z) - Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。
我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
論文 参考訳(メタデータ) (2024-04-15T02:41:55Z) - CodaMal: Contrastive Domain Adaptation for Malaria Detection in Low-Cost Microscopes [51.5625352379093]
マラリアは世界中で大きな問題であり、診断には低コストの顕微鏡(LCM)で効果的に動作するスケーラブルなソリューションが必要である。
ディープラーニングに基づく手法は、顕微鏡画像からコンピュータ支援による診断に成功している。
これらの方法には、マラリア原虫の感染した細胞とその生活段階を示す注釈画像が必要である。
LCMからの注記画像は、高精細顕微鏡(HCM)からの注記画像と比較して医療専門家の負担を著しく増大させる
論文 参考訳(メタデータ) (2024-02-16T06:57:03Z) - Style transfer between Microscopy and Magnetic Resonance Imaging via
Generative Adversarial Network in small sample size settings [49.84018914962972]
磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。
コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
論文 参考訳(メタデータ) (2023-10-16T13:58:53Z) - Optimizations of Autoencoders for Analysis and Classification of
Microscopic In Situ Hybridization Images [68.8204255655161]
同様のレベルの遺伝子発現を持つ顕微鏡画像の領域を検出・分類するためのディープラーニングフレームワークを提案する。
分析するデータには教師なし学習モデルが必要です。
論文 参考訳(メタデータ) (2023-04-19T13:45:28Z) - Light-field microscopy with correlated beams for extended volumetric
imaging at the diffraction limit [0.0]
光強度相関に基づく光電場顕微鏡アーキテクチャを実験的に提案する。
本研究では,3次元試験対象と生体試料を集束面から再抽出する手法の有効性を実証する。
論文 参考訳(メタデータ) (2021-10-02T13:54:11Z) - Multi-Scale Input Strategies for Medulloblastoma Tumor Classification
using Deep Transfer Learning [59.30734371401316]
乳腺芽腫は小児で最も多い悪性脳腫瘍である。
CNNはMBサブタイプ分類に有望な結果を示した。
タイルサイズと入力戦略の影響について検討した。
論文 参考訳(メタデータ) (2021-09-14T09:42:37Z) - Parasitic Egg Detection and Classification in Low-cost Microscopic
Images using Transfer Learning [1.6050172226234583]
高品質な顕微鏡画像における自動寄生虫分類の効率を高めるために, トランスファーラーニング戦略を用いたCNNベースの手法を提案する。
提案するフレームワークは,最先端のオブジェクト認識手法よりも優れている。
本システムと専門家による最終決定が組み合わさって, 低コスト顕微鏡による実地精査を改善できる可能性がある。
論文 参考訳(メタデータ) (2021-07-02T11:05:45Z) - A Dataset and Benchmark for Malaria Life-Cycle Classification in Thin
Blood Smear Images [7.113350536579545]
マラリア顕微鏡、寄生虫Plasmodiumを検出するステンド血液スライドの顕微鏡検査は、マラリアを検出するための金標準であると考えられています。
本研究では,染色フィルム写真中のプラスモジウム寄生虫を自動的に検出(局在化)する深層学習に基づく手法を提案する。
機械学習に基づくマラリア顕微鏡の研究を容易にするために,新しい大規模顕微鏡画像マラリアデータセットを提案する。
論文 参考訳(メタデータ) (2021-02-17T11:44:52Z) - Multi-element microscope optimization by a learned sensing network with
composite physical layers [3.2435888122704037]
デジタル顕微鏡は、コンピュータアルゴリズムによる自動解釈のために画像をキャプチャするために使用される。
本研究では,複数の顕微鏡設定を協調的に最適化する手法と分類ネットワークについて検討する。
ネットワークの低分解能顕微鏡画像(20X-comparable)は、対応する高分解能画像の分類性能に匹敵する十分なコントラストを有する機械学習ネットワークを提供することを示す。
論文 参考訳(メタデータ) (2020-06-27T16:49:37Z) - Recognizing Magnification Levels in Microscopic Snapshots [2.6234848946076785]
デジタルイメージングはコンピュータビジョンと機械学習を、病理画像を分析する新しいツールに変えた。
デジタル画像の最近の進歩は、コンピュータビジョンと機械学習を、病理画像を分析するための新しいツールに変えた。
論文 参考訳(メタデータ) (2020-05-07T20:48:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。