一种用于对抗莱姆病的计算机视觉方法
计算机视觉与模式识别
2020-09-28 v1 机器学习
图像与视频处理
摘要
莱姆病是一种由受感染的硬蜱属(blacklegged ticks,黑腿蜱)叮咬传播给人类的传染病。它是北美增长最快的虫媒疾病,并且正在扩大其地理分布范围。莱姆病的治疗具有时间敏感性,通过在硬蜱属蜱虫叮咬后72小时内对患者使用抗生素(预防用药)可治愈。然而,基于实验室的每种可能携带该细菌的蜱虫鉴定耗时耗力,无法满足有效治疗最长72小时的周转时间。利用计算机视觉技术早期识别黑腿蜱是在关键窗口期内及时识别蜱虫并施用预防用药的潜在解决方案。在这项工作中,我们构建了一个自动化检测工具,可使用先进的深度学习和计算机视觉方法将黑腿蜱与其他蜱种区分开来。我们展示了使用卷积神经网络(Convolution Neural Network, CNN)模型从蜱虫图像直接端到端训练的蜱种分类。在教师-学生学习框架内采用先进的知识迁移技术以提高蜱种分类性能。我们的最佳CNN模型在测试集上达到92%的准确率。该工具可与暴露地理信息集成,以确定莱姆病感染风险及预防用药需求。
引用
@article{arxiv.2009.11931,
title = {A Computer Vision Approach to Combat Lyme Disease},
author = {Sina Akbarian and Tania Cawston and Laurent Moreno and Samir Patel and Vanessa Allen and Elham Dolatabadi},
journal= {arXiv preprint arXiv:2009.11931},
year = {2020}
}
备注
Under review