論文の概要: M2ANET: Mobile Malaria Attention Network for efficient classification of plasmodium parasites in blood cells
- arxiv url: http://arxiv.org/abs/2405.14242v1
- Date: Thu, 23 May 2024 07:22:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-24 18:34:03.160821
- Title: M2ANET: Mobile Malaria Attention Network for efficient classification of plasmodium parasites in blood cells
- Title（参考訳）: M2ANET:血液中のプラスミジウム寄生虫の効率的な分類のための移動マラリア注意ネットワーク
- Authors: Salam Ahmed Ali, Peshraw Salam Abdulqadir, Shan Ali Abdullah, Haruna Yunusa,
- Abstract要約: マラリアはPlasmodium parasites(プラスモジウム・寄生虫)によって引き起こされる致命的な伝染病であり、世界中の公衆衛生問題を引き起こす。
深層学習技術は医用画像解析タスクにおいて顕著に成功し、診断精度を向上させるための有望な道を提供する。
血液細胞画像中のプラスモジウム寄生虫の効率的な分類のためのハイブリッド移動モデルであるM2ANET(Mobile Malaria Attention Network)を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Malaria is a life-threatening infectious disease caused by Plasmodium parasites, which poses a significant public health challenge worldwide, particularly in tropical and subtropical regions. Timely and accurate detection of malaria parasites in blood cells is crucial for effective treatment and control of the disease. In recent years, deep learning techniques have demonstrated remarkable success in medical image analysis tasks, offering promising avenues for improving diagnostic accuracy, with limited studies on hybrid mobile models due to the complexity of combining two distinct models and the significant memory demand of self-attention mechanism especially for edge devices. In this study, we explore the potential of designing a hybrid mobile model for efficient classification of plasmodium parasites in blood cell images. Therefore, we present M2ANET (Mobile Malaria Attention Network). The model integrates MBConv3 (MobileNetV3 blocks) for efficient capturing of local feature extractions within blood cell images and a modified global-MHSA (multi-head self-attention) mechanism in the latter stages of the network for capturing global context. Through extensive experimentation on benchmark, we demonstrate that M2ANET outperforms some state-of-the-art lightweight and mobile networks in terms of both accuracy and efficiency. Moreover, we discuss the potential implications of M2ANET in advancing malaria diagnosis and treatment, highlighting its suitability for deployment in resource-constrained healthcare settings. The development of M2ANET represents a significant advancement in the pursuit of efficient and accurate malaria detection, with broader implications for medical image analysis and global healthcare initiatives.
- Abstract（参考訳）: マラリアはPlasmodium parasites(プラスモジウム・寄生虫)による致命的な感染症であり、特に熱帯地域や亜熱帯地域では公衆衛生上の大きな課題となっている。
血液細胞中のマラリア原虫のタイムリーかつ正確な検出は、疾患の効果的な治療と制御に不可欠である。
近年、深層学習技術は医療画像解析タスクにおいて顕著に成功し、診断精度を向上させるための有望な方法を提供しており、2つの異なるモデルの組み合わせの複雑さと、特にエッジデバイスにおける自己保持機構の顕著なメモリ要求によるハイブリッドモバイルモデルの研究が限られている。
本研究では,血液細胞画像中のプラスモジウム寄生虫の効率的な分類のためのハイブリッド移動モデルの設計の可能性を検討する。
そこで我々は,M2ANET (Mobile Malaria Attention Network)を提案する。
このモデルはMBConv3 (MobileNetV3 block) を統合して、血液細胞画像内の局所的特徴抽出を効率的にキャプチャし、グローバルコンテキストをキャプチャするネットワークの後半に修正されたグローバルMHSA(multi-head self-attention)機構を組み込む。
ベンチマーク実験により、M2ANETは、精度と効率の両面で、最先端の軽量・モバイルネットワークよりも優れていることを示した。
さらに,M2ANETがマラリアの診断・治療の進展にもたらす影響について考察し,資源制約のある医療環境への展開に適したことを明らかにする。
M2ANETの開発は、効率的かつ正確なマラリア検出の追求において、医療画像分析やグローバルヘルスケアイニシアチブに幅広い意味を持つ重要な進歩を示している。
関連論文リスト
- Mew: Multiplexed Immunofluorescence Image Analysis through an Efficient Multiplex Network [84.88767228835928]
マルチプレックスネットワークのレンズを通してmIF画像を効率的に処理する新しいフレームワークであるMewを紹介する。
Mew は、幾何学情報のための Voronoi ネットワークと、セルワイドの均一性を捉えるセル型ネットワークという、2つの異なる層からなる多重ネットワークを革新的に構築する。
このフレームワークは、トレーニング中にグラフ全体を処理できるスケーラブルで効率的なグラフニューラルネットワーク(GNN)を備えている。
論文 参考訳（メタデータ） (2024-07-25T08:22:30Z) - 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) - 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) - Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance
of Containment Measures [65.62256987706128]
比較疫学モデルは、疾患の状態に基づいて個人を分類する。
我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。
スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
論文 参考訳（メタデータ） (2023-07-28T08:01:05Z) - Boundary Guided Semantic Learning for Real-time COVID-19 Lung Infection
Segmentation System [69.40329819373954]
新型コロナウイルス(COVID-19)は、世界中の医療システムに悪影響を及ぼし続けている。
現段階では、新型コロナウイルスの診断と治療には、CT画像から肺感染症領域を自動的に分離することが不可欠である。
本稿では,境界案内型セマンティックラーニングネットワーク(BSNet)を提案する。
論文 参考訳（メタデータ） (2022-09-07T05:01:38Z) - COVID-Net Biochem: An Explainability-driven Framework to Building
Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19
Patients from Clinical and Biochemistry Data [66.43957431843324]
我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。
この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
論文 参考訳（メタデータ） (2022-04-24T07:38:37Z) - End-to-end Malaria Diagnosis and 3D Cell Rendering with Deep Learning [0.0]
マラリアは寄生虫感染であり、世界的な健康に重大な負担を与える。
30秒ごとに1人の子供が死亡し、毎年100万人以上が死亡している。
マラリアを診断するための現在の金の基準は、顕微鏡、試薬、その他の装置を必要とし、低社会経済的括弧の患者はアクセスできない。
論文 参考訳（メタデータ） (2021-07-08T08:13:11Z) - 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) - 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) - M2Net: Multi-modal Multi-channel Network for Overall Survival Time
Prediction of Brain Tumor Patients [151.4352001822956]
生存時間(OS)の早期かつ正確な予測は、脳腫瘍患者に対するより良い治療計画を得るのに役立つ。
既存の予測手法は、磁気共鳴(MR)ボリュームの局所的な病変領域における放射能特性に依存している。
我々は,マルチモーダルマルチチャネルネットワーク(M2Net)のエンドツーエンドOS時間予測モデルを提案する。
論文 参考訳（メタデータ） (2020-06-01T05:21:37Z)
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。