Image analysis and machine learning for detecting malaria.
Image analysis and machine learning for detecting malaria.
复制标题
DOI：
10.1016/j.trsl.2017.12.004
复制
发表时间：
2018-04
期刊：
影响因子：
--
通讯作者：
Thoma G
中科院分区：
文献类型：
--
作者：
Poostchi M;Silamut K;Maude RJ;Jaeger S;Thoma G
疟疾仍然是全球卫生的一个主要负担，全世界每年约有2亿病例，40多万人死亡。除了生物医学研究和政治努力外，现代信息技术在许多防治这种疾病的努力中发挥着关键作用。成功降低死亡率的障碍之一尤其是疟疾诊断不足。为了改善诊断，已经使用图像分析软件和机器学习方法来量化显微血液载玻片中的寄生虫血症。本文概述了这些技术，并讨论了显微镜疟疾诊断的图像分析和机器学习的当前发展。我们组织不同的方法发表在文献中，根据用于成像，图像预处理，寄生虫检测和细胞分割，特征计算和自动细胞分类的技术。读者会发现表格中列出的不同技术，以及旁边引用的相关文章，用于薄血涂片和厚血涂片图像。我们还讨论了深度学习和智能手机技术在未来疟疾诊断中的最新发展。
Malaria remains a major burden on global health, with roughly 200 million cases worldwide and more than 400,000 deaths per year. Besides biomedical research and political efforts, modern information technology is playing a key role in many attempts at fighting the disease. One of the barriers toward a successful mortality reduction has been inadequate malaria diagnosis in particular. To improve diagnosis, image analysis software and machine learning methods have been used to quantify parasitemia in microscopic blood slides. This article gives an overview of these techniques and discusses the current developments in image analysis and machine learning for microscopic malaria diagnosis. We organize the different approaches published in the literature according to the techniques used for imaging, image preprocessing, parasite detection and cell segmentation, feature computation, and automatic cell classification. Readers will find the different techniques listed in tables, with the relevant articles cited next to them, for both thin and thick blood smear images. We also discussed the latest developments in sections devoted to deep learning and smartphone technology for future malaria diagnosis.
登录
查看更多内容
影响因子：
1.9
作者：
Adeoye, G. O.;Nga, I. C.
通讯作者：
Nga, I. C.
影响因子：
6
作者：
Abbas, Naveed;Saba, Tanzila;Al-Ghamdi, Jarallah Saleh
通讯作者：
Al-Ghamdi, Jarallah Saleh
影响因子：
7.4
作者：
Luengo-Oroz MA;Arranz A;Frean J
通讯作者：
Frean J
影响因子：
6.2
作者：
Brueckner, Michael;Becker, Katja;Frosch, Torsten
通讯作者：
Frosch, Torsten
基于手机的临床显微镜用于全球健康应用。
影响因子：
3.7
作者：
Breslauer, David N.;Maamari, Robi N.;Switz, Neil A.;Lam, Wilbur A.;Fletcher, Daniel A.
通讯作者：
Fletcher, Daniel A.