基于显微镜图像的疟疾深度无监督检测
图像与视频处理
2020-09-02 v1 定量方法
摘要
疟疾是一种由寄生虫引起的蚊媒疾病，每年在全球造成超过 100 万人死亡。若患者未接受治疗，可能发展为严重并发症并导致死亡。有效且准确的诊断对于疟疾的管理和控制十分重要。我们的研究聚焦于利用机器学习提高疟疾诊断效率。我们采用改进的 U-net 架构作为无监督学习模型进行细胞边界检测。随后在色度空间中通过马氏距离算法识别被疟疾感染的血细胞。细胞分割与疟疾检测过程通常需要大量人工标注，我们希望通过无监督工作流程予以消除。
引用
@article{arxiv.2009.00197,
title = {Deep unsupervised learning for Microscopy-Based Malaria detection},
author = {Alexander Tao and Boran Han},
journal= {arXiv preprint arXiv:2009.00197},
year = {2020}
}