M2ANET：用于血细胞中疟原虫高效分类的移动疟疾注意力网络
图像与视频处理
2024-05-24 v1 计算机视觉与模式识别
摘要
疟疾是一种由疟原虫引起的危及生命的传染病，对全球公共卫生构成重大挑战，特别是在热带和亚热带地区。及时准确地检测血细胞中的疟原虫对于有效治疗和控制该疾病至关重要。近年来，深度学习技术在医学图像分析任务中取得了显著成功，为提高诊断准确性提供了有希望的途径，但由于组合两个不同模型的复杂性和自注意力机制（尤其是对于边缘设备）的显著内存需求，关于混合移动模型的研究有限。在本研究中，我们探索了设计混合移动模型用于血细胞图像中疟原虫高效分类的潜力。因此，我们提出了M2ANET（Mobile Malaria Attention Network）。该模型集成了MBConv3（MobileNetV3块）用于高效捕获血细胞图像中的局部特征提取，以及在网络后期阶段使用改进的全局MHSA（多头自注意力）机制用于捕获全局上下文。通过在基准测试上的广泛实验，我们证明M2ANET在准确性和效率方面均优于一些最先进的轻量级和移动网络。此外，我们讨论了M2ANET在推进疟疾诊断和治疗方面的潜在意义，强调了其在资源受限的医疗环境中部署的适用性。M2ANET的开发代表了在追求高效准确疟疾检测方面的重要进展，对医学图像分析和全球医疗保健倡议具有更广泛的意义。
引用
@article{arxiv.2405.14242,
title = {M2ANET: Mobile Malaria Attention Network for efficient classification of plasmodium parasites in blood cells},
author = {Salam Ahmed Ali and Peshraw Salam Abdulqadir and Shan Ali Abdullah and Haruna Yunusa},
journal= {arXiv preprint arXiv:2405.14242},
year = {2024}
}