A Robust Ensemble Model for Patasitic Egg Detection and Classification

要約

腸管寄生虫感染症は、世界的な罹患率の上位を占める感染症であるが、時間短縮、高感度、使い勝手の良い検査方法が未だ確立されていないのが現状である。ディープラーニング技術の開発により、生体画像への幅広い応用の可能性が明らかになった。本論文では、YOLOv5やvariant cascadeRCNNsなどの複数のオブジェクト検出器を適用し、顕微鏡画像中の寄生虫卵を自動的に識別する。生データ増強、モデルアンサンブル、転移学習、テスト時間増強などの特別に設計された最適化により、我々のモデルはチャレンジデータセットで優れた性能を達成した。さらに、ノイズを付加して学習させたモデルは、汚染された入力に対して高いロバスト性を獲得し、その応用範囲はさらに広がっている。

要約(オリジナル)

Intestinal parasitic infections, as a leading causes of morbidity worldwide, still lacks time-saving, high-sensitivity and user-friendly examination method. The development of deep learning technique reveals its broad application potential in biological image. In this paper, we apply several object detectors such as YOLOv5 and variant cascadeRCNNs to automatically discriminate parasitic eggs in microscope images. Through specially-designed optimization including raw data augmentation, model ensemble, transfer learning and test time augmentation, our model achieves excellent performance on challenge dataset. In addition, our model trained with added noise gains a high robustness against polluted input, which further broaden its applicability in practice.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL