Malaria Cell Detection Using Deep Neural Networks

要約

マラリアは依然として世界的に最も差し迫った公衆衛生上の懸念の一つであり、特にサハラ以南のアフリカで重大な罹患率と死亡率を引き起こしています。
効果的な治療と疾患管理には、迅速かつ正確な診断が不可欠です。
血液塗抹標本の顕微鏡検査などの従来の診断方法は、多大な労力を要し、高度な専門知識を必要とするため、リソースが限られた環境では容易に利用できない場合があります。
このプロジェクトは、深層学習アプローチを使用してマラリア感染細胞の検出を自動化することを目的としています。
ResNet50 アーキテクチャに基づく畳み込みニューラル ネットワーク (CNN) を採用し、転移学習を活用してパフォーマンスを向上させました。
Kaggle のマラリア細胞画像データセットには、感染細胞と非感染細胞に分類された 27,558 枚の画像が含まれており、トレーニングと評価に使用されました。
私たちのモデルは高い精度、精度、再現率を実証し、マラリア診断を支援するための信頼できるツールとしての可能性を示しました。
さらに、Streamlit を使用して Web アプリケーションが開発され、ユーザーが細胞画像をアップロードしてマラリア感染に関する予測を受け取ることができるようになり、テクノロジーがアクセスしやすくユーザーフレンドリーになりました。
このペーパーでは、方法論、実験、結果の包括的な概要を提供し、医用画像分析におけるディープラーニングの有効性を強調します。

要約(オリジナル)

Malaria remains one of the most pressing public health concerns globally, causing significant morbidity and mortality, especially in sub-Saharan Africa. Rapid and accurate diagnosis is crucial for effective treatment and disease management. Traditional diagnostic methods, such as microscopic examination of blood smears, are labor-intensive and require significant expertise, which may not be readily available in resource-limited settings. This project aims to automate the detection of malaria-infected cells using a deep learning approach. We employed a convolutional neural network (CNN) based on the ResNet50 architecture, leveraging transfer learning to enhance performance. The Malaria Cell Images Dataset from Kaggle, containing 27,558 images categorized into infected and uninfected cells, was used for training and evaluation. Our model demonstrated high accuracy, precision, and recall, indicating its potential as a reliable tool for assisting in malaria diagnosis. Additionally, a web application was developed using Streamlit to allow users to upload cell images and receive predictions about malaria infection, making the technology accessible and user-friendly. This paper provides a comprehensive overview of the methodology, experiments, and results, highlighting the effectiveness of deep learning in medical image analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google