您的当前位置：疟疾 > 疟疾预防 > 深层神经网络增强疟疾自动诊断
深层神经网络增强疟疾自动诊断
恶性疟原虫的环状滋养体和厚厚的血液膜中的白细胞(国际医疗发展协会提供的照片)。恶性疟原虫疟疾仍然是全球最大的健康负担之一，年全球有2.28亿病例。在这一年里，全世界约有人死于疟疾，其中93%是非洲地区，主要是儿童。虽然已经开发了一系列诊断疟疾的技术，但是传统的吉姆萨染厚和薄血膜上的光镜仍然是金标准。聚合酶链式反应、流式细胞术和荧光染料法等技术缺乏统一的标准化方法，成本高，需要改进质量控制。来自伦敦大学学院(伦敦，英国)的一组科学家利用他们的质量控制的疟疾诊所的常规临床显微镜标签，训练一种用于疟疾自动诊断的深层疟疾卷积神经网络分类器(DeepMCNN)。DeepMcnn系统还提供总疟原虫(MP)和白细胞(WBC)计数，允许在MP/μL中估算疟原虫血症。宣布参与者为无疟原虫的标准是在厚膜中的个高功率(×)场中没有可检测到的寄生虫。调查人员使用一台直立的亮场bx63显微镜(日本东京奥林巴斯)捕捉图像，该显微镜配有×/1.4na物镜、一个机动x-y样本定位台(英国剑桥，PriorScience)和一台彩色相机，用于捕捉吉姆萨染色的、厚厚的血液涂片图像。这些在他们的诊所准备的涂片测试了基于深度学习的目标检测方法来识别恶性疟原虫和白血球(WBC)在数字化的大视场深度(EDoF)厚血胶片图像中的细胞核。研究小组报告说，DeepMCNN对专家级疟疾诊断的敏感性/特异性达到0.92/0.90。PPV/NPV的表现为0.92/0.90，在一个人口稠密的大都市的全地方病环境中具有临床应用价值。作者的结论是，他们的开放数据和易于部署的DeepMCNN提供了一个临床相关的平台，其他医疗提供者可以利用他们现成的病人水平诊断标签，为他们的临床路径设置定制并进一步提高DeepMCNN分类器的准确性。这项研究发表在年8月的“美国血液学杂志.预览时标签不可点收录于话题#个上一篇下一篇
