Published January 1, 2020
| Version v1
Publication
Open
A Novel Stacked CNN for Malarial Parasite Detection in Thin Blood Smear Images
- 1. Khwaja Fareed University of Engineering and Information Technology
- 2. University of Messina
- 3. Yeungnam University
- 4. Islamia University of Bahawalpur
Description
Malaria refers to a contagious mosquito-borne disease caused by parasite genus plasmodium transmitted by mosquito female Anopheles. As infected mosquito bites a person, the parasite multiplies in the host's liver and start destroying the red-cells. The disease is examined visually under the microscope for infected red-cells. This diagnosis depends upon the expertise and experience of pathologists and reports may vary in different laboratories doing a manual examination. Another way around, many machine learning techniques have been applied for spontaneous detection of blood smears. However, feature engineering is a challenging task that requires expertise to adjust positional and morphological features. Therefore, this study proposes a novel Stacked Convolutional Neural Network architecture that improves the automatic detection of malaria without considering the hand-crafted features. The 5-fold cross-validation process on 27, 558 cell images with equal instances of parasitized and uninfected cells on a publicly available dataset from the National Institute of health, the accuracy of our proposed model is 99.98%. Furthermore, the statistical results revealed that the proposed model is superior to the state-of-the-art models with 100% precision, 99.9% recall, and 99% f1-measure.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تشير الملاريا إلى مرض معدٍ ينقله البعوض يسببه جنس الطفيليات المتصورة التي تنقلها أنثى البعوض الأنوفيليس. عندما يلدغ البعوض المصاب شخصًا ما، يتكاثر الطفيل في كبد المضيف ويبدأ في تدمير الخلايا الحمراء. يتم فحص المرض بصريًا تحت المجهر بحثًا عن الخلايا الحمراء المصابة. يعتمد هذا التشخيص على خبرة وتجارب أخصائيي علم الأمراض وقد تختلف التقارير في المختبرات المختلفة التي تجري فحصًا يدويًا. بطريقة أخرى، تم تطبيق العديد من تقنيات التعلم الآلي للكشف التلقائي عن مسحات الدم. ومع ذلك، فإن هندسة الميزات هي مهمة صعبة تتطلب خبرة لضبط الميزات الموضعية والمورفولوجية. لذلك، تقترح هذه الدراسة بنية شبكة عصبية التفافية مكدسة جديدة تعمل على تحسين الكشف التلقائي عن الملاريا دون النظر في الميزات المصنوعة يدويًا. عملية التحقق المتقاطع المكونة من 5 أضعاف على 27،558 صورة خلية مع حالات متساوية من الخلايا الطفيلية وغير المصابة على مجموعة بيانات متاحة للجمهور من المعهد الوطني للصحة، ودقة نموذجنا المقترح هي 99.98 ٪. علاوة على ذلك، كشفت النتائج الإحصائية أن النموذج المقترح متفوق على النماذج الحديثة بدقة 100 ٪، وتذكر 99.9 ٪، وقياس 99 ٪ f1.Translated Description (French)
Le paludisme fait référence à une maladie contagieuse transmise par les moustiques causée par le genre parasite plasmodium transmis par les moustiques anophèles femelles. Lorsque le moustique infecté pique une personne, le parasite se multiplie dans le foie de l'hôte et commence à détruire les globules rouges. La maladie est examinée visuellement au microscope à la recherche de globules rouges infectés. Ce diagnostic dépend de l'expertise et de l'expérience des pathologistes et les rapports peuvent varier selon les laboratoires effectuant un examen manuel. Une autre façon de contourner le problème, de nombreuses techniques d'apprentissage automatique ont été appliquées pour la détection spontanée des frottis sanguins. Cependant, l'ingénierie des caractéristiques est une tâche difficile qui nécessite une expertise pour ajuster les caractéristiques positionnelles et morphologiques. Par conséquent, cette étude propose une nouvelle architecture de réseau neuronal convolutionnel empilé qui améliore la détection automatique du paludisme sans tenir compte des caractéristiques artisanales. Le processus de validation croisée de 5 fois sur 27 558 images de cellules avec des instances égales de cellules parasitées et non infectées sur un ensemble de données accessibles au public de l'Institut national de la santé, la précision de notre modèle proposé est de 99,98 %. En outre, les résultats statistiques ont révélé que le modèle proposé est supérieur aux modèles de pointe avec une précision de 100 %, un rappel de 99,9 % et une mesure f1 de 99 %.Translated Description (Spanish)
La malaria se refiere a una enfermedad contagiosa transmitida por mosquitos causada por el parásito género plasmodium transmitido por el mosquito hembra Anopheles. A medida que el mosquito infectado pica a una persona, el parásito se multiplica en el hígado del huésped y comienza a destruir los glóbulos rojos. La enfermedad se examina visualmente bajo el microscopio para detectar glóbulos rojos infectados. Este diagnóstico depende de los conocimientos y la experiencia de los patólogos y los informes pueden variar en los diferentes laboratorios que realizan un examen manual. De otra manera, se han aplicado muchas técnicas de aprendizaje automático para la detección espontánea de frotis de sangre. Sin embargo, la ingeniería de características es una tarea desafiante que requiere experiencia para ajustar las características posicionales y morfológicas. Por lo tanto, este estudio propone una novedosa arquitectura de red neuronal convolucional apilada que mejora la detección automática de la malaria sin considerar las características artesanales. El proceso de validación cruzada de 5 veces en 27.558 imágenes de células con instancias iguales de células parasitadas y no infectadas en un conjunto de datos disponible públicamente del Instituto Nacional de Salud, la precisión de nuestro modelo propuesto es del 99,98%. Además, los resultados estadísticos revelaron que el modelo propuesto es superior a los modelos de última generación con un 100% de precisión, un 99,9% de recuperación y un 99% de medida f1.Files
09093853.pdf.pdf
Files
(245 Bytes)
| Name | Size | Download all |
|---|---|---|
|
md5:3b0ac8b616ab75e5000aec45fb256a83
|
245 Bytes | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- شبكة سي إن إن جديدة مكدسة للكشف عن طفيليات الملاريا في صور مسحة الدم الرقيقة
- Translated title (French)
- Un nouveau CNN empilé pour la détection des parasites paludéens dans les images de frottis de sang mince
- Translated title (Spanish)
- Una nueva CNN apilada para la detección de parásitos de la malaria en imágenes de frotis de sangre delgada
Identifiers
- Other
- https://openalex.org/W3025875705
- DOI
- 10.1109/access.2020.2994810
References
- https://openalex.org/W1492114864
- https://openalex.org/W1570613334
- https://openalex.org/W1965896835
- https://openalex.org/W2003099669
- https://openalex.org/W2005909996
- https://openalex.org/W2044097773
- https://openalex.org/W2060340965
- https://openalex.org/W2062118960
- https://openalex.org/W2065350108
- https://openalex.org/W2075752599
- https://openalex.org/W2076063813
- https://openalex.org/W2077191558
- https://openalex.org/W2097117768
- https://openalex.org/W2112796928
- https://openalex.org/W2117671523
- https://openalex.org/W2124678208
- https://openalex.org/W2156163116
- https://openalex.org/W2163605009
- https://openalex.org/W2184815069
- https://openalex.org/W2194775991
- https://openalex.org/W2310992461
- https://openalex.org/W2333689042
- https://openalex.org/W2394595923
- https://openalex.org/W2520674406
- https://openalex.org/W2576442780
- https://openalex.org/W2594258169
- https://openalex.org/W2611338391
- https://openalex.org/W2614986146
- https://openalex.org/W2617959447
- https://openalex.org/W2731899572
- https://openalex.org/W2752636198
- https://openalex.org/W2768038330
- https://openalex.org/W2771918349
- https://openalex.org/W2783699776
- https://openalex.org/W2787108197
- https://openalex.org/W2797606508
- https://openalex.org/W2799742832
- https://openalex.org/W2884830895
- https://openalex.org/W2889227713
- https://openalex.org/W2897793561
- https://openalex.org/W2902248801
- https://openalex.org/W2919115771
- https://openalex.org/W2944896556
- https://openalex.org/W2952003460
- https://openalex.org/W2962835968
- https://openalex.org/W2964292596
- https://openalex.org/W2969226653
- https://openalex.org/W3000090125
- https://openalex.org/W3008430105