迈向低成本与高效的疟疾检测
计算机视觉与模式识别
2022-04-19 v3
摘要
疟疾是一种致命但可治愈的疾病，每年夺去数十万人的生命。早期和正确的诊断对于避免健康并发症至关重要，然而，这依赖于昂贵的显微镜和经过培训的专家来分析血涂片载玻片。基于深度学习的方法不仅有可能减轻专家的负担，还能提高低成本显微镜的诊断准确性。然而，缺乏合理规模的数据集阻碍了这一点。最具挑战性的方面之一是专家不愿在低成本显微镜的低倍率下对数据集进行标注。我们提出了一个数据集，以促进在低成本显微镜低倍率下的疟疾显微镜研究。我们的大规模数据集包含来自多名疟疾感染患者的血涂片载玻片图像，这些图像是通过两种不同成本范围和多种倍率的显微镜采集的。针对通过高成本显微镜在高倍率下采集的图像，我们对疟细胞进行了标注，用于定位和生命周期分类任务。我们设计了一种机制，将这些标注从高倍率的高成本显微镜转移到多种倍率的低成本显微镜上。我们提出了多种目标检测器和领域自适应方法作为基线。此外，引入了一种部分监督的领域自适应方法，使目标检测器能够适应从低成本显微镜采集的图像。该数据集将在论文发表后公开提供。
引用
@article{arxiv.2111.13656,
title = {Towards Low-Cost and Efficient Malaria Detection},
author = {Waqas Sultani and Wajahat Nawaz and Syed Javed and Muhammad Sohail Danish and Asma Saadia and Mohsen Ali},
journal= {arXiv preprint arXiv:2111.13656},
year = {2022}
}