使用深度神经网络进行疟原虫细胞检测
图像与视频处理
2024-07-01 v1 计算机视觉与模式识别
摘要
疟疾仍然是全球最紧迫的公共卫生问题之一，造成了严重的发病率和死亡率，特别是在撒哈拉以南非洲地区。快速准确的诊断对于有效治疗和疾病管理至关重要。传统的诊断方法（如血涂片显微镜检查）费时费力，且需要大量专业知识，这在资源有限的环境中可能难以获得。本项目旨在利用深度学习方法自动化检测感染疟原虫的细胞。我们采用了基于 ResNet50 架构的卷积神经网络（CNN），并利用迁移学习来提升性能。来自 Kaggle 的疟原虫细胞图像数据集包含 27,558 张图像，分为感染和未感染细胞两类，用于训练和评估。我们的模型表现出较高的准确率、精确率和召回率，表明其有潜力成为辅助疟疾诊断的可靠工具。此外，我们还使用 Streamlit 开发了一个 Web 应用程序，允许用户上传细胞图像并接收疟疾感染的预测结果，使该技术易于访问且用户友好。本文全面概述了该方法、实验和结果，突显了深度学习在医学图像分析中的有效性。
引用
@article{arxiv.2406.20005,
title = {Malaria Cell Detection Using Deep Neural Networks},
author = {Saurabh Sawant and Anurag Singh},
journal= {arXiv preprint arXiv:2406.20005},
year = {2024}
}