論文の概要: Computer-aided Diagnosis of Malaria through Transfer Learning using the ResNet50 Backbone

• arxiv url: http://arxiv.org/abs/2304.02925v1
• Date: Thu, 6 Apr 2023 08:31:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-07 14:57:22.807456
• Title: Computer-aided Diagnosis of Malaria through Transfer Learning using the ResNet50 Backbone
• Title（参考訳）: ResNet50バックボーンを用いた移行学習によるマラリアのコンピュータ診断
• Authors: Sanya Sinha and Nilay Gupta
• Abstract要約: マラリアの原因は寄生虫のプラスモジウム(Plasmodium parasite)である。 本稿では、ResNet50 Deep Neural Networkを用いて、マラリアの細いスミア細胞像を寄生・無感染と分類するための、コンピュータ支援による自動診断手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: According to the World Malaria Report of 2022, 247 million cases of malaria and 619,000 related deaths were reported in 2021. This highlights the predominance of the disease, especially in the tropical and sub-tropical regions of Africa, parts of South-east Asia, Central and Southern America. Malaria is caused due to the Plasmodium parasite which is circulated through the bites of the female Anopheles mosquito. Hence, the detection of the parasite in human blood smears could confirm malarial infestation. Since the manual identification of Plasmodium is a lengthy and time-consuming task subject to variability in accuracy, we propose an automated, computer-aided diagnostic method to classify malarial thin smear blood cell images as parasitized and uninfected by using the ResNet50 Deep Neural Network. In this paper, we have used the pre-trained ResNet50 model on the open-access database provided by the National Library of Medicine's Lister Hill National Center for Biomedical Communication for 150 epochs. The results obtained showed accuracy, precision, and recall values of 98.75%, 99.3% and 99.5% on the ResNet50(proposed) model. We have compared these metrics with similar models such as VGG16, Watershed Segmentation and Random Forest, which showed better performance than traditional techniques as well.
• Abstract（参考訳）: 2022年の世界マラリア報告書によると、2021年に2億2700万人のマラリアと619,000人の死者が報告された。 これは、特にアフリカ、東南アジア、中央アメリカ、南アメリカの熱帯・亜熱帯地域において、この病気の優位性を強調している。 マラリアはプラスモジウム寄生虫によって引き起こされるが、これはメスのアノフェレス蚊の刺し通しによって引き起こされる。 したがって、ヒト血液塗抹中の寄生虫の検出はマラリアの感染を確認できた。 プラズモジウムを手動で識別することは, 精度の変動を考慮した長大かつ時間を要する作業であるため, ResNet50 Deep Neural Network を用いて, マラリアの細いスミア細胞像を寄生・感染しないものと分類するコンピュータ支援診断手法を提案する。 本稿では,国立医学図書館リスナーヒル国立生物医学コミュニケーションセンターが150年間にわたって提供しているオープンアクセスデータベース上で,事前学習されたresnet50モデルを用いた。 その結果、ResNet50(提案)モデルで98.75%、99.3%、99.5%の精度、精度、リコール値が得られた。 これらの指標を,vgg16,流域セグメンテーション,ランダムフォレストといった,従来の手法よりも優れた性能を示す類似モデルと比較した。

関連論文リスト

• Malaria Cell Detection Using Deep Neural Networks [1.1237179306040028]
  マラリアは世界中で最も深刻な公衆衛生上の懸念の1つだ。 血液スミアの顕微鏡検査などの従来の診断法は、労働集約的である。 本研究の目的は, 深層学習によるマラリア感染細胞の自動検出である。
  論文  参考訳（メタデータ） (2024-06-28T15:44:55Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Simulating Malaria Detection in Laboratories using Deep Learning [0.0]
  マラリアは通常、血液スミアの小さなサンプルを調べることで微生物学者によって診断される。 早期に診断され適切な治療を受けた場合、マラリア感染による死亡率の低下が可能である。 WHOは、2030年にはマラリアの発生率と死亡率を90%削減し、35カ国でマラリアを除去するという大胆な目標を掲げている。
  論文  参考訳（メタデータ） (2023-03-21T11:23:59Z)
• 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)
• Modeling the geospatial evolution of COVID-19 using spatio-temporal convolutional sequence-to-sequence neural networks [48.7576911714538]
  ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。 その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
  論文  参考訳（メタデータ） (2021-05-06T15:24:00Z)
• NemaNet: A convolutional neural network model for identification of nematodes soybean crop in brazil [0.43968605222413054]
  植物寄生線虫(または植物性線虫)は作物に深刻な損傷をもたらし、世界中で大規模な経済的損失を引き起こしています。 本研究は,5種の線虫から得られた3,063枚の顕微鏡画像を含むnemadatasetと呼ばれる新しい公共データセットを提案する。
  論文  参考訳（メタデータ） (2021-03-05T14:47:00Z)
• Intestinal Parasites Classification Using Deep Belief Networks [53.20999552522241]
  40億ドルの人々が腸内寄生虫に感染している。 人間の視覚検査はまだ臨床診断の大部分を担当している。 腸内寄生虫自動分類の文脈に深層信念ネットワークを導入する。
  論文  参考訳（メタデータ） (2021-01-17T18:47:02Z)
• One-Shot Learning with Triplet Loss for Vegetation Classification Tasks [45.82374977939355]
  三重項損失関数は、ワンショット学習タスクの精度を大幅に向上できる選択肢の1つである。 2015年からは、多くのプロジェクトがシームズネットワークとこの種の損失を顔認識とオブジェクト分類に利用している。
  論文  参考訳（メタデータ） (2020-12-14T10:44:22Z)
• Localization of Malaria Parasites and White Blood Cells in Thick Blood Smears [5.36646793661301]
  本研究はマラリア原虫および白血球(WBCs)の局在と数に対するエンドツーエンドアプローチを提案する。 血液スミア画像のスライスデータセットを用いて,得られたデジタル画像を解析するモデルを構築した。 予備的な結果は、我々のディープラーニングアプローチがマラリア原虫とWBCの数を確実に検出し、返却していることを示している。
  論文  参考訳（メタデータ） (2020-12-03T15:14:38Z)
• 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)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)

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。