MAIScope: A low-cost portable microscope with built-in vision AI to automate microscopic diagnosis of diseases in remote rural settings

要約

世界保健機関 (WHO) によると、マラリアは 2020 年だけで 627,000 人が死亡し、2 億 4,100 万人以上が感染したと推定されており、2019 年から 12% 増加しています。血液細胞の顕微鏡診断は、マラリアを診断するための標準的な検査手順です。
ただし、このスタイルの診断は、特に高品質の顕微鏡検査を行うための十分な訓練を受けた担当者が不足している発展途上国では、費用がかかり、時間がかかり、人為的ミスが非常に主観的です。
この論文では、Mass-AI-Scope (MAIScope) を提案します。これは、顕微鏡画像を撮影し、AI が組み込まれたマラリア原虫を自動的に検出できる、斬新で低コストのポータブル デバイスです。
デバイスには 2 つのサブシステムがあります。
最初のサブシステムは、顕微鏡画像から赤血球 (RBC) を検出するデバイス上の多層ディープ ラーニング ネットワークであり、その後に個々の RBC 内のマラリア原虫を認識するマラリア原虫分類器が続きます。
テストと検証により、TensorFlow Lite を使用した分類で 89.9% の高い平均精度と検出モデルで 61.5% の平均精度が示され、限られたストレージと計算能力に対処しました。
このシステムにはクラウド同期もあり、インターネットに接続すると、分析とモデルの改善のために画像がクラウドに送信されます。
2 番目のサブシステムは、Raspberry Pi、カメラ、タッチ スクリーン ディスプレイ、革新的な低コストのビーズ顕微鏡などのコンポーネントで構成されるハードウェアです。
ビーズ顕微鏡の評価は、高価な光学顕微鏡と同様の画質を示しました。
デバイスは持ち運び可能で、インターネットや電源のないリモート環境で動作するように設計されています。
このソリューションは、顕微鏡検査を必要とする他の疾患にも拡張可能であり、発展途上国の農村部における疾患診断の自動化を標準化するのに役立ちます。

要約(オリジナル)

According to the World Health Organization(WHO), malaria is estimated to have killed 627,000 people and infected over 241 million people in 2020 alone, a 12% increase from 2019. Microscopic diagnosis of blood cells is the standard testing procedure to diagnose malaria. However, this style of diagnosis is expensive, time-consuming, and greatly subjective to human error, especially in developing nations that lack well-trained personnel to perform high-quality microscopy examinations. This paper proposes Mass-AI-Scope (MAIScope): a novel, low-cost, portable device that can take microscopic images and automatically detect malaria parasites with embedded AI. The device has two subsystems. The first subsystem is an on-device multi-layered deep learning network, that detects red blood cells (RBCs) from microscopic images, followed by a malaria parasite classifier that recognizes malaria parasites in the individual RBCs. The testing and validation demonstrated a high average accuracy of 89.9% for classification and average precision of 61.5% for detection models using TensorFlow Lite while addressing limited storage and computational capacity. This system also has cloud synchronization, which sends images to the cloud when connected to the Internet for analysis and model improvement purposes. The second subsystem is the hardware which consists of components like Raspberry Pi, a camera, a touch screen display, and an innovative low-cost bead microscope. Evaluation of the bead microscope demonstrated similar image quality with that of expensive light microscopes. The device is designed to be portable and work in remote environments without the Internet or power. The solution is extensible to other diseases requiring microscopy and can help standardize automation of disease diagnosis in rural parts of developing nations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google