論文の概要: MAIScope: A low-cost portable microscope with built-in vision AI to automate microscopic diagnosis of diseases in remote rural settings

• arxiv url: http://arxiv.org/abs/2208.06114v1
• Date: Fri, 12 Aug 2022 04:39:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-15 13:35:44.760336
• Title: MAIScope: A low-cost portable microscope with built-in vision AI to automate microscopic diagnosis of diseases in remote rural settings
• Title（参考訳）: MAIScope:遠隔地における病気の顕微鏡診断を自動化する視覚AIを内蔵した安価なポータブル顕微鏡
• Authors: Rohan Sangameswaran
• Abstract要約: マラリアは、2020年だけで62万7000人が死亡し、2億2100万人以上が感染したと推定されている。 本稿では,顕微鏡画像の撮影と組込み型AIによるマラリア寄生虫の自動検出が可能な,新しい低コスト携帯型デバイスであるMass-AI-Scope(MAIScope)を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: According to the World Health Organization(WHO), malaria is estimated to have killed 627,000 people and infected over 241 million people in 2020 alone, a 12% increase from 2019. Microscopic diagnosis of blood cells is the standard testing procedure to diagnose malaria. However, this style of diagnosis is expensive, time-consuming, and greatly subjective to human error, especially in developing nations that lack well-trained personnel to perform high-quality microscopy examinations. This paper proposes Mass-AI-Scope (MAIScope): a novel, low-cost, portable device that can take microscopic images and automatically detect malaria parasites with embedded AI. The device has two subsystems. The first subsystem is an on-device multi-layered deep learning network, that detects red blood cells (RBCs) from microscopic images, followed by a malaria parasite classifier that recognizes malaria parasites in the individual RBCs. The testing and validation demonstrated a high average accuracy of 89.9% for classification and average precision of 61.5% for detection models using TensorFlow Lite while addressing limited storage and computational capacity. This system also has cloud synchronization, which sends images to the cloud when connected to the Internet for analysis and model improvement purposes. The second subsystem is the hardware which consists of components like Raspberry Pi, a camera, a touch screen display, and an innovative low-cost bead microscope. Evaluation of the bead microscope demonstrated similar image quality with that of expensive light microscopes. The device is designed to be portable and work in remote environments without the Internet or power. The solution is extensible to other diseases requiring microscopy and can help standardize automation of disease diagnosis in rural parts of developing nations.
• Abstract（参考訳）: 世界保健機関(WHO)によると、マラリアは2020年だけで62万7000人が死亡し、2億2100万人以上が感染したと推定されている。 血液細胞の顕微鏡診断は、マラリアを診断するための標準的な検査方法である。 しかし、この診断様式は高価で時間がかかり、特に高品質の顕微鏡検査を行うための訓練された人材が不足している発展途上国において、人為的ミスに非常に主観的である。 本稿では,顕微鏡画像の撮影と組込み型AIによるマラリア寄生虫の自動検出が可能な,新しい低コストポータブルデバイスであるMass-AI-Scopeを提案する。 デバイスには2つのサブシステムがある。 最初のサブシステムはデバイス上の多層深層学習ネットワークで、顕微鏡画像から赤血球(RBC)を検出し、続いて個々のRBCのマラリア原虫を認識するマラリア原虫分類器が続く。 テストと検証では、分類に89.9%、検出モデルに61.5%がtensorflow liteを使用しており、ストレージと計算能力に制限があった。 このシステムはクラウド同期も備えており、分析とモデル改善のためにインターネットに接続された際にクラウドに画像を送信する。 第2のサブシステムは、Raspberry Pi、カメラ、タッチスクリーンディスプレイ、革新的な低コストのビーズ顕微鏡などのコンポーネントで構成されるハードウェアである。 ビーズ顕微鏡の評価は高価な光顕微鏡と同様の画質を示した。 このデバイスはポータブルで、インターネットや電力なしでリモート環境で動作するように設計されている。 このソリューションは顕微鏡を必要とする他の病気にも拡張可能であり、発展途上国の農村部における疾患診断の自動化の標準化に役立つ。

関連論文リスト

• SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
  公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。 SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。 Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
  論文  参考訳（メタデータ） (2024-11-14T17:06:00Z)
• Moving Healthcare AI-Support Systems for Visually Detectable Diseases onto Constrained Devices [0.0]
  このパイロットスタディでは、低接続環境において、低スペックデバイスで医療サポートを提供するために、microMLの使用について検討している。 1万枚の皮膚病変の画像を用いて、視覚的に検出可能な疾患を分類するモデルを訓練した。 その結果, 試作機の精度は78%, 試験損失は1.08であった。
  論文  参考訳（メタデータ） (2024-08-15T15:23:37Z)
• 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)
• Towards Low-Cost and Efficient Malaria Detection [2.7402733069180996]
  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。
  論文  参考訳（メタデータ） (2021-11-26T18:34:32Z)
• 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)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• In-Line Image Transformations for Imbalanced, Multiclass Computer Vision Classification of Lung Chest X-Rays [91.3755431537592]
  本研究は、COVID-19 LCXRデータ不足のバランスをとるために画像変換を適用するために、文献の体系を活用することを目的としている。 convolutional neural networks(cnns)のようなディープラーニング技術は、健康状態と疾患状態を区別する特徴を選択することができる。 本研究は,CNNアーキテクチャを用いて高速多クラスLCXR分類を94%精度で行う。
  論文  参考訳（メタデータ） (2021-04-06T02:01:43Z)
• An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
  基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。 画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。 我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T13:14:15Z)
• 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)
• MOSQUITO-NET: A deep learning based CADx system for malaria diagnosis along with model interpretation using GradCam and class activation maps [9.01199960262149]
  マラリアは世界でも最も致命的な病気の1つで、毎年数千人が死亡している。 マラリアの原因となる寄生虫は、科学的にはプラスモジウムと呼ばれ、ヒトの赤血球に感染する。 マラリアの診断には、顕微鏡的血腫の医療従事者による寄生細胞の同定と手動計測が必要である。
  論文  参考訳（メタデータ） (2020-06-17T13:00:30Z)

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。