疟疾是由疟原虫引起的蚊媒传染性疾病,具有分布广泛、传播迅速、潜伏期长等特点,其直接关系到人类的健康、经济的发展以及社会的稳定.疟疾的快速准确检测是降低疟疾的病死率和控制疟疾传播的关键.目前已有研究利用深度学习算法实现对疟原虫的检测,但开发疟疾临床诊断的人工智能系统仍然存在挑战.本研究基于深度学习中的多尺度注意力机制,构建了基于人工智能的疟疾诊断目标检测模型(artificial intelligence-based ob-ject detection model for malaria diagnosis,AIM).同时,本研究利用智能手机与光学显微镜收集薄血涂片图像,创建了疟原虫薄血涂片图像数据集(SmartMalariaNET),并用于AIM模型的训练与评估.结果表明,AIM模型的Accu-racy为 94.49％,Precision为 94.54％,Recall为 94.49％,Fl-score为 94.50％,AUC(area under curve)为 98.11％,各项评价指标均优于现有的VGG和ResNet模型.该人工智能的疟疾诊断目标检测模型有助于提高缺乏镜检人员地区的疟疾诊断能力,为全球疟疾防控提供"中国技术"与"中国方案".
An artificial intelligence model for malaria diagnosis
万方数据
维普
