Mosquito-Net：基于深度学习的疟疾诊断 CADx 系统及基于 GradCam 与类激活图的模型解释
计算机视觉与模式识别
2020-06-22 v2 机器学习
图像与视频处理
摘要
疟疾被认为是当今世界上最致命的疾病之一，每年导致数千人死亡。导致疟疾的寄生虫在科学上被称为疟原虫，它感染人类的红细胞。这种寄生虫由按蚊属的雌性蚊子传播。疟疾的诊断需要医疗从业人员在显微镜血涂片中识别并手动计数受感染细胞。由于资源匮乏，其诊断准确性在大规模筛查中受到很大影响。基于 CNN 等深度学习算法的先进计算机辅助诊断技术，通过端到端的特征提取与分类，已广泛应用于各种图像识别任务。本文评估了定制的卷积神经网络 Mosquito-Net 在疟疾诊断中分类受感染与未感染细胞的性能。由于其参数少、计算量低，该网络可部署于边缘设备和移动设备。因此，它非常适合在缺乏医疗设施的偏远和农村地区进行诊断。
引用
@article{arxiv.2006.10547,
title = {MOSQUITO-NET: A deep learning based CADx system for malaria diagnosis along with model interpretation using GradCam and class activation maps},
author = {Aayush Kumar and Sanat B Singh and Suresh Chandra Satapathy and Minakhi Rout},
journal= {arXiv preprint arXiv:2006.10547},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:2003.09871 by other authors