کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8768971 1597916 2018 55 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Image analysis and machine learning for detecting malaria
ترجمه فارسی عنوان
تجزیه و تحلیل تصویر و یادگیری ماشین برای تشخیص مالاریا
ترجمه چکیده
مالاریا یک بار بزرگ برای سلامت جهانی باقی می ماند و حدود 200 میلیون مورد در سراسر جهان و بیش از 400000 مرگ و میر در سال است. به علاوه پژوهش های زیست پزشکی و تلاش های سیاسی، فناوری اطلاعات مدرن در بسیاری از تلاش ها برای مبارزه با بیماری نقش کلیدی ایفا می کند. یکی از موانع برای کاهش مرگ و میر موفقیت آمیز، تشخیص نادرست مالاریا است. برای بهبود تشخیص، نرم افزار تجزیه و تحلیل تصویر و روش های یادگیری ماشین برای اندازه گیری پارازیتمی در اسکلت های میکروسکوپی استفاده می شود. این مقاله خلاصه ای از این تکنیک ها را ارائه می دهد و تحولات جاری در تجزیه و تحلیل تصویر و یادگیری ماشین را برای تشخیص میکروسکوپی مالاریا مورد بحث قرار می دهد. ما رویکردهای مختلف منتشر شده در ادبیات را با توجه به تکنیک های مورد استفاده برای تصویربرداری، پیش پردازش تصویر، تشخیص انگلی و تقسیم بندی سلول، محاسبه قابلیت ها و طبقه بندی سلولی اتوماتیک سازماندهی می کنیم. خوانندگان تکنیک های مختلف ذکر شده در جداول را با مقالات مربوطه که در کنار آنها ذکر شده است، برای تصاویر نازک و ضخیم اسمیر خون پیدا می کنند. ما همچنین درباره آخرین تحولات در بخش های اختصاص داده شده به یادگیری عمیق و تکنولوژی گوشی های هوشمند برای تشخیص آینده مالاریا بحث کردیم.
موضوعات مرتبط
علوم پزشکی و سلامت پزشکی و دندانپزشکی پزشکی و دندانپزشکی (عمومی)
چکیده انگلیسی
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.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Translational Research - Volume 194, April 2018, Pages 36-55
نویسندگان
, , , , ,