Часть I

Шумная неприятность

Комары делают гораздо больше, чем просто раздражают вас своим жужжанием. Благодаря эволюции паразитов и их жизненному циклу москиты (женские анофелесы) могут переносить их в ваш кровоток. Затем эти паразиты размножаются в клетках крови и размножаются. Согласно Всемирному докладу о малярии 2020 года, каждый год более 400 000 человек умирают от малярии - болезни, которую можно предотвратить и вылечить!

Проблемы диагностики малярии

  1. Бедность: внимательно проанализировав районы, подверженные малярии, можно сделать вывод, что серьезно пострадали регионы мира, находящиеся ниже уровня бедности и не имеющие доступа к надлежащему медицинскому обслуживанию.
  2. Ручная диагностика. Ручная диагностика - один из наиболее распространенных и традиционных методов клинической диагностики малярии. Кровь пациента размазывают по предметному стеклу и окрашивают контрастирующим веществом, которое облегчает идентификацию паразитов в эритроцитах. Квалифицированный врач исследует 20 микроскопических полей зрения при 100-кратном увеличении, считая красные кровяные тельца, содержащие паразита, из 5000 клеток (Протокол ВОЗ). Какая утомительная работа!
  3. Экспресс-диагностика. Хотя это намного быстрее, чем ручная диагностика, она дает высокую вероятность ложноотрицательных результатов.

Рождение Малар-AI

Таким образом, в такой узкой ситуации идеальное решение должно было бы сочетать скорость RDT с точностью микроскопии. Поэтому я решил определить, как анализ изображений и машинное обучение могут снизить нагрузку на врачей и помочь расставить приоритеты для пациентов.

Еще одна вещь, на которой нужно сосредоточиться, заключалась в том, что наше решение должно быть эффективным с точки зрения вычислений и легко развертываемым на устройствах Интернета вещей. Потому что в бедных регионах у нас может не быть доступа к облачным сервисам или даже к источнику питания. Конечно, я иду по самому худшему сценарию!

Объединив все эти идеи, родился Malar-AI. Это приложение на смартфоне для автоматического определения малярии по мазкам крови. Эта установка, интегрированная с микроскопом сотового телефона и работающая на базе ResNet-50, способна работать с показателем F2 score 0,92, что делает ее очень полезной в удаленных и труднодоступных местах.

Почему ResNet-50?

Deep CNN уже достигла довольно хорошей точности и надежной работы. Так почему бы не выбрать классический CNN для классификации изображений? * подсказка проблема исчезающего градиента *

Начнем с самого начала. Нейронные сети обучаются, оптимизируя функцию потерь. Это происходит через сеть с прямой связью, которая вычисляет убытки. Затем с помощью обратного распространения он находит градиент для функции потерь и оптимизирует его. Но по мере увеличения количества слоев (глубины) нейронной сети градиент уменьшается и исчезает во время обратного распространения, что приводит к увеличению ошибки.

Вот когда на сцену выходят (ResNets) остаточные сети. ResNet, сокращение от Residual Network, - это особый тип нейронной сети, который был представлен в 2015 году Кайминг Хэ, Сяню Чжан, Шаоцин Рен и Цзянь Сунь в их статье Глубокое остаточное обучение для распознавания изображений.

В этих сетях есть остаточные блоки, содержащие «пропустить соединения». Эти соединения могут пропускать несколько уровней глубже в сеть.

Без «пропустить соединение» вывод был бы

H(x) = f(x)

Но с этим уравнение меняется на

H(x) = f(x) + x

Таким образом, эти пропускаемые соединения в ResNet решают проблему исчезновения градиента в глубоких нейронных сетях, позволяя этому альтернативному сокращенному пути прохождения градиента. Эти соединения также позволяют модели изучать функции идентификации, что гарантирует, что более высокий уровень будет работать как минимум так же хорошо, как и более низкий уровень, а не хуже.

У остаточных сетей много вариантов, но я выбрал ResNet -50, потому что он имеет 50 слоев и дал мне оптимальный результат.

В следующей части мы углубимся в архитектуру ResNet-50 и код Malar-AI с Keras!

Приветствуем Вишанта Батта и Рохана Н. за то, что они разделяют общий энтузиазм по поводу этого проекта.