利用深度卷积神经网络改进红细胞疟疾寄生虫检测
图像与视频处理
2019-07-25 v1 机器学习
机器学习
摘要
疟疾是一种由雌性按蚊叮咬传播的威胁生命的疾病,被认为是世界许多地区的流行病。本文聚焦于通过引入深度卷积神经网络,改进从红细胞涂片的显微图像中分割出的图块检测疟疾。与采用繁琐手工设计特征提取的传统方法相比,所提方法以端到端方式使用深度学习,直接从红细胞涂片的原始分割图块执行特征提取与分类。本研究使用的数据集来自美国国立卫生研究院,名为NIH疟疾数据集。采用准确率与损失评估指标以及5折交叉验证来比较并选择性能最佳的架构。为最大化性能,还试验了文献中已有的标准预处理技术。此外,实现并测试了若干其他复杂架构以挑选最佳性能模型。还进行了保留测试以验证所提模型在未见数据上的泛化能力。我们的最佳模型达到了近97.77%的准确率。
引用
@article{arxiv.1907.10418,
title = {Improving Malaria Parasite Detection from Red Blood Cell using Deep Convolutional Neural Networks},
author = {Aimon Rahman and Hasib Zunair and M Sohel Rahman and Jesia Quader Yuki and Sabyasachi Biswas and Md Ashraful Alam and Nabila Binte Alam and M. R. C. Mahdy},
journal= {arXiv preprint arXiv:1907.10418},
year = {2019}
}
备注
Application of deep learning in biological science for the early detection of disease