基于单张测试图像的自动化机器学习系统用于区分性状与患病血液样本
计算机视觉与模式识别
2021-03-31 v1 人工智能
摘要
我们引入一种基于机器学习的方法，用于对移动显微镜所拍劣质未染色图像中的镰状细胞病进行全自动诊断。与以往仅限于区分正常与异常样本的方法不同，我们的方法能够区分患病、性状（携带者）与正常样本。该方法的新颖性在于从直接在现场拍摄的具挑战性图像中区分性状与患病样本。所提方法包含两部分，即后续的分割部分与分类部分。我们使用随机森林算法分割通过手机显微镜获取的此类挑战性图像。然后，我们基于随机森林（RF）与支持向量机（SVM）训练两个分类器用于分类。结果表明，两个分类器不仅在实验室所拍图像上，也在现场获取的图像上均表现出优越性能。
引用
@article{arxiv.2103.16285,
title = {Single Test Image-Based Automated Machine Learning System for Distinguishing between Trait and Diseased Blood Samples},
author = {Sahar A. Nasser and Debjani Paul and Suyash P. Awate},
journal= {arXiv preprint arXiv:2103.16285},
year = {2021}
}