Розробка та дослідження модифікованої згорткової нейронної мережи для розпізнавання образів малярійних клітин
DOI:
https://doi.org/10.35681/1560-9189.2023.25.1.287018Ключові слова:
згорткова нейронна мережа, машинне навчання, малярія, розпізнавання образів, Keras, Python/Анотація
Проведено огляд та аналіз відомих рішень для проблеми виявлення малярії за знімками крові пацієнтів з використанням алгоритмів машинного навчання. Після розробки моделі машинного навчання для вирішення поставленої задачі на основі згорткових нейронних мереж проведене тестування точності роботи моделі та її порівняння з розглянутими аналогами. За результатами тестування було встановлено, що за показником точності класифікації модель знаходиться на рівні найкращих розглянутих моделей, маючи точність класифікації 98,08 %.
Посилання
N. Tangpukdee, C. Duangdee, P. Wilairatana, and S. Krudsood, "Malaria Diagnosis: A Brief Review", Korean J Parasitol, vol. 47, no. 2, pp. 93–102, 2009. doi: 10.3347/kjp.2009.47.2.93.
"World Malaria Report 2021", URL: https://www.who.int/teams/global-malaria-programme/reports/world-malaria-report-2021.
E. Nicastri, N. Bevilacqua, M. Sane Schepisi, M. Paglia, S. Meschi, S. Ame, J. Mohamed, S. Mangi, R. Fumakule, A. Di Caro, M. R. Capobianchi, A. Kitua, F. Molteni, V. Racalbuto, and G. Ippolito, "Accuracy of Malaria Diagnosis by Microscopy, Rapid Diagnostic Test, and PCR Methods and Evidence of Antimalarial Overprescription in Non-Severe Febrile Patients in Two Tanzanian Hospitals", The American journal of tropical medicine and hygiene, vol. 80, pp. 712–7, 2009. doi: 10.4269/ajtmh.2009.80.712.
G. S. Handelman, H. K. Kok, R. V. Chandra, A. H. Razavi, M. J. Lee, and H. Asadi, "eDoctor: machine learning and the future of medicine", Journal of internal medicine, vol. 284, no. 6, pp. 603–619, 2018. doi: 10.1111/joim.12822.
"Malaria Cell Images Dataset", URL: https://www.kaggle.com/datasets/iarunava/cell-images-for-detecting-malaria.
N. Mehra and S. Gupta, "Survey on multiclass classification methods", International Journal of Computer Science and Information Technologies, vol. 4, no. 4, pp. 572–576, 2013.
S. Asgari, F. Scalzo, and M. Kasprowicz, "Pattern Recognition in Medical Decision Support", Biomed Res Int, vol. 2019, article ID 6048748, Jun. 2019. doi: 10.1155/2019/6048748.
S. Rajaraman, S. K. Antani, M. Poostchi, K. Silamut, M. A. Hossain, R. J. Maude, S. Jaeger and G. R. Thoma, "Pre-trained convolutional neural networks as feature extractors toward improved malaria parasite detection in thin blood smear images", PeerJ, vol. 6, article e4568, 2018. doi: 10.7717/peerj.4568.
N. Ross, C. Pritchard, D. Rubin, and A. Duse, "Automated image processing method for the diagnosis and classification of malaria on thin blood smears", Medical & biological engineering & computing, vol. 44, pp. 427-36, 2006. doi: 10.1007/s11517-006-0044-2.
D. Bibin, M. S. Nair, and P. Punitha, "Malaria Parasite Detection From Peripheral Blood Smear Images Using Deep Belief Networks", in IEEE Access, vol. 5, pp. 9099–9108, 2017. doi: 10.1109/ACCESS.2017.2705642.
Dong Y. et al., "Evaluations of deep convolutional neural networks for automatic identification of malaria infected cells", in Proc. IEEE EMBS International Conference on Biomedical & Health Informatics (BHI), 2017, pp. 101–104. doi: 10.1109/BHI.2017.7897215.
Liang Z. et al., "CNN-based image analysis for malaria diagnosis", in Proc. IEEE International Conference on Bioinformatics and Biomedicine (BIBM), 2016, pp. 493–496. doi: 10.1109/BIBM.2016.7822567.
K. M. F. Fuhad, J. F. Tuba, M. R. A. Sarker, S. Momen, N. Mohammed, and T. Rahman, "Deep Learning Based Automatic Malaria Parasite Detection from Blood Smear and its Smartphone Based Application", Diagnostics (Basel), vol. 10, no. 5, p. 329, May 2020. doi: 10.3390/diagnostics10050329.
A. Oliinyk, I. Fedorchenko, A. Stepanenko, A. Katschan, Y. Fedorchenko, A. Kharchenko, and D. Goncharenko, "Development of genetic methods for predicting the incidence of volumes of pollutant emissions in air", in Proc. 2nd International Workshop on Informatics and Data-Driven Medicine, CEUR Workshop Proceedings, 2019, pp. 340–353. ISSN: 16130073.
I. Fedorchenko, A. Oliinyk, A. Stepanenko, T. Zaiko, S. Korniienko, and N. Burtsev, "Development of a genetic algorithm for placing power supply sources in a distributed electric network", Eastern-European Journal of Enterprise Technologies, vol. 5, pp. 6–16, 2019. doi: 10.15587/1729-4061.2019.180897.
I. Fedorchenko, A. Oliinyk, A. Stepanenko, T. Zaiko, S. Shylo, and A. Svyrydenko, "Development of the modified methods to train a neural network to solve the task on recognition of road users", Eastern-European Journal of Enterprise Technologies, vol. 2, pp. 46–55, 2019. doi: 10.15587/1729-4061.2019.164789.
A. Oliinyk, I. Fedorchenko, A. Stepanenko, M. Rud, and D. Goncharenko, "Implementation of Evolutionary Methods of Solving the Travelling Salesman Problem in a Robotic Warehouse", Lecture Notes on Data Engineering and Communications Technologies, vol. 48, pp. 263–292, 2021. doi: 10.1007/978-3-030-43070-2_13.
R. Tkachenko, I. Izonin, M. L. Gregus, P. Tkachenko, and I. Dronyuk, "Committee of the SGTM Neural-Like Structures with Extended Inputs for Predictive Analytics in Insurance", Communications in Computer and Information Science, vol. 1054, pp. 121–132, 2019. doi: 10.1007/978-3-030-27355-2_9.
I. Fedorchenko, A. Oliinyk, O. Stepanenko, T. Zaiko, A. Svyrydenko, and D. Goncharenko, "Genetic method of image processing for motor vehicle recognition", in Proc. 2nd International Workshop on Computer Modeling and Intelligent Systems, CMIS 2019; CEUR Workshop Proceedings, Zaporizhzhia; Ukraine; 15 – 19 April 2019, vol. 2353, pp. 211–226. ISSN: 16130073.
J. A. Alsayaydeh, M. Nj, S. N. Syed, A. W. Yoon, W. A. Indra, V. Shkarupylo, and C. Pellipus, "Homes appliances control using Bluetooth", ARPN Journal of Engineering and Applied Sciences, vol. 14, no. 19, pp. 3344–3357, 2019.
