用于薄血涂片图像中疟原虫生命周期分类的数据集与基准
图像与视频处理
2021-02-18 v1 计算机视觉与模式识别
摘要
疟疾显微镜检查，即通过对染色血涂片进行显微观察以检测疟原虫（Plasmodium）寄生虫，被视为检测致命疾病疟疾的金标准。检测疟原虫需熟练检验人员，且通览整张玻片可能耗时 10 至 15 分钟。由于在欠发达或资源匮乏地区缺乏熟练医疗专业人员，许多病例被误诊，导致不可避免的并发症和/或不当用药。我们提议通过创建基于深度学习的方法，自动检测（定位）染色涂片照片中的疟原虫寄生虫，以辅助医疗专业人员。为应对数据集的不平衡特性，我们采用两阶段方法。其中第一阶段训练用于检测血细胞并将其仅分类为健康或感染；第二阶段训练用于将每个检测出的细胞进一步分类至生命周期阶段。为促进基于机器学习的疟疾显微镜研究，我们引入一个新的大规模显微图像疟疾数据集。从 345 张不同吉姆萨染色血液样本玻片的显微图像中标注了三万八千个细胞。使用该数据集，采用包括 VGG、DenseNet 和 ResNet 在内的不同 CNN 骨干网络进行了充分实验。我们的实验与分析表明，两阶段方法优于单阶段疟疾检测方法。为确保方法的可用性，我们还开发了一款移动应用，供地方医院用于检查与教学目的。数据集、其标注与实现代码将在论文发表后发布。
引用
@article{arxiv.2102.08708,
title = {A Dataset and Benchmark for Malaria Life-Cycle Classification in Thin Blood Smear Images},
author = {Qazi Ammar Arshad and Mohsen Ali and Saeed-ul Hassan and Chen Chen and Ayisha Imran and Ghulam Rasul and Waqas Sultani},
journal= {arXiv preprint arXiv:2102.08708},
year = {2021}
}