PlasmoID：一个用于薄血涂片中印度尼西亚疟疾寄生虫检测与分割的数据集
图像与视频处理
2022-11-29 v1 计算机视觉与模式识别
摘要
印度尼西亚是东南亚疟疾病例数排名第二的国家。基于深度学习方法的疟疾寄生虫语义分割技术是减少传统方法局限性的替代方案。然而，语义分割技术的主要问题在于大寄生虫占主导地位，而微小寄生虫被抑制。此外，数据的数量和方差对建立其模型有重要影响。在本研究中，我们做出了两项贡献。首先，我们收集了 559 张包含 691 个疟疾寄生虫的薄血涂片显微图像。该数据集命名为 PlasmoID，大部分数据来自印度尼西亚农村地区。PlasmoID 还为寄生虫检测和分割目的提供了真实标注。其次，本研究提出了一种结合 Faster RCNN 和语义分割技术的疟疾寄生虫分割与检测方案。所提出的方案已在 PlasmoID 数据集上进行了评估，并与最近的语义分割技术研究（即 UNet、ResFCN-18、DeepLabV3、DeepLabV3plus 和 ResUNet-18）进行了比较。结果表明，与原始语义分割技术相比，我们提出的方案可以提高疟疾寄生虫的分割和检测性能。
引用
@article{arxiv.2211.15105,
title = {PlasmoID: A dataset for Indonesian malaria parasite detection and segmentation in thin blood smear},
author = {Hanung Adi Nugroho and Rizki Nurfauzi and E. Elsa Herdiana Murhandarwati and Purwono Purwono},
journal= {arXiv preprint arXiv:2211.15105},
year = {2022}
}