Около 90% всех смертей от малярии в мире сегодня происходит в Африке к югу от Сахары. Это связано с тем, что большинство инфекций в Африке вызывается Plasmodium falciparum, наиболее опасным из четырех паразитов малярии человека. На изображении показан вид паразита под микроскопом.
Огромная нехватка лаборантов и ограниченный доступ к качественным диагностическим услугам в развивающихся странах Африки привели к неправильной диагностике заболеваний. Мощь и универсальность методов машинного обучения могут гарантировать постановку точных диагнозов за счет обучения алгоритмов распознаванию различных объектов-возбудителей. Это возможно благодаря моделям машинного обучения, которые обучены извлекать статистические характеристики формы в каждом изображении. После завершения процесса обучения модель тестируется на неизвестных образцах, чтобы определить ее общую точность.
Если модель машинного обучения способна обнаруживать рассматриваемых паразитов с помощью микроскопического изображения, почему бы не использовать ее для обнаружения другой формы паразита? например, бациллы туберкулеза, как показано на изображении ниже.
Использование обученной машины может оказаться высококачественной системой диагностики, которая приведет к меньшему количеству ошибочных диагнозов заболеваний, поскольку машина будет лучше оптимизирована для предоставления рекомендаций с меньшей погрешностью по сравнению с лаборантами и их системой диагностики низкого качества. .
Этот набор данных содержит 2703 изображения, взятых из 133 толстых мазков крови, обработанных окрашиванием по Филдсу. Каждое изображение имеет сопровождающий файл аннотаций, содержащий координаты ограничивающих рамок вокруг любого видимого плазмодия. Изображения были получены с помощью камеры Motic MC1000, установленной на микроскопе Brunel SP150, с увеличением в 1000 раз.
Модель CNN и Unet поможет классифицировать малярийных паразитов для постановки надежных диагнозов.
