利用机器学习与黎曼几何实现疟原虫生命周期识别

疟疾是一种严重的传染病，每年在全球导致超过五十万人死亡。这些死亡的主要原因是诊断延迟或不准确。手工显微镜检查目前被认为是疟疾的主要诊断方法，但该方法耗时且易受人为错误影响。本文旨在实现诊断过程的自动化并最大限度地减少人为干预。我们开发了一种高性价比疟疾诊断系统的硬件和软件。本文描述了所制造的硬件，并提出了用于处理寄生虫检测和生命周期阶段识别的新型软件。我们开发了一种电动显微镜，用于拍摄吉姆萨染色血涂片的图像。提出了一种基于图像块的、无监督统计聚类算法，为血液图像内不同区域的分类提供了一种新颖方法。该方法对不同成像设置具有更好的鲁棒性。所提算法的核心是一个称为独立成分分析混合的模型。提出了一种基于流形的优化方法，便于将该模型应用于医学显微镜中通常获取的高维数据。该方法在 600 张不同成像条件的血涂片上进行了测试。其速度高于当前的监督系统，而准确性与它们相当或更优。