基于显微镜的床旁诊断用深度卷积神经网络
计算机视觉与模式识别
2016-08-11 v1
摘要
使用显微镜和计算机视觉方法的床旁诊断已应用于若干实际问题，并且与低收入、高疾病负担地区尤为相关。然而，这受到所用计算机视觉方法灵敏度和特异性的限制。总体而言，深度学习近年来革新了计算机视觉领域，在某些情况下超越了人类在其他物体识别任务上的表现。在本文中，我们评估了深度卷积神经网络在三种不同显微镜任务上的性能：厚血涂片中疟疾的诊断、痰样本中结核病的诊断以及粪便样本中肠道寄生虫卵的诊断。在所有情况下准确率都非常高，且显著优于更具传统医学成像技术代表性的替代方法。
引用
@article{arxiv.1608.02989,
title = {Deep Convolutional Neural Networks for Microscopy-Based Point of Care Diagnostics},
author = {John A. Quinn and Rose Nakasi and Pius K. B. Mugagga and Patrick Byanyima and William Lubega and Alfred Andama},
journal= {arXiv preprint arXiv:1608.02989},
year = {2016}
}
备注
Presented at 2016 Machine Learning and Healthcare Conference (MLHC 2016), Los Angeles, CA