Assessing Generalization Capabilities of Malaria Diagnostic Models from Thin Blood Smears

要約

マラリアは依然として世界的な健康上の重大な課題であり、迅速かつ正確な診断方法が必要です。
深層学習を利用したコンピューター支援診断 (CAD) ツールは有望であることが示されていますが、多様な臨床現場への一般化はまだ十分に評価されていません。
この研究では、4 つの部位にわたる薄い血液塗抹標本画像からマラリアを診断するための CAD モデルの一般化機能を評価します。
微調整や段階的な学習など、一般化を強化する戦略を模索します。
私たちの結果は、部位固有のデータを組み込むとモデルのパフォーマンスが大幅に向上し、より広範な臨床応用への道が開かれることを示しています。

要約(オリジナル)

Malaria remains a significant global health challenge, necessitating rapid and accurate diagnostic methods. While computer-aided diagnosis (CAD) tools utilizing deep learning have shown promise, their generalization to diverse clinical settings remains poorly assessed. This study evaluates the generalization capabilities of a CAD model for malaria diagnosis from thin blood smear images across four sites. We explore strategies to enhance generalization, including fine-tuning and incremental learning. Our results demonstrate that incorporating site-specific data significantly improves model performance, paving the way for broader clinical application.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google