厦门大学学者库

中文论文

论文题名
人工智能辅助疟原虫检测平台的开发与应用效果研究
英文题名
作者
吴凯;夏青;贾立铭;傅敏
作者单位
武汉市疾病预防控制中心;上海理工大学机器智能研究院;武汉纳视智能科技有限公司;厦门大学航空航天学院
期刊名称
中国寄生虫学与寄生虫病杂志
CN号
ISSN
1000-7423
出版日期
2025-06-17
卷
期
页码
1-6
中文关键词
疟原虫检测;目标检测模型;深度学习;血涂片
英文关键词
中文摘要
目的 了解目标检测模型自动检测血涂片中疟原虫的效果，辅助疟疾实验室诊断。方法 收集2008—2022年武汉市境外输入性疟疾现症病例的血涂片，采用自动图像采集系统获取镜下图像，由专业镜检人员进行标注，创建疟原虫薄血膜图像数据集。通过训练检测模型进行疟原虫和白细胞（WBC）的检测，推理出阴阳性、感染率、感染虫种，并展示于应用界面中。采用真阳性、真阴性、假阳性、假阴性的样本数量，计算准确率、精确率、召回率、F1分数来评估模型的性能。参照疟疾镜检人员的技术考核方式，模拟镜检过程，取10张血涂片对模型综合结果进行评分。结果 薄血膜图像数据集共包含3 704张图像，由专家使用边界框进行注释，注释包含7 835个虫体和786个WBC标注。经YOLOv8模型混淆矩阵分析，模型整体正确率为85.5%、精确率为98.5%、召回率为93.3%、F1分数为95.8%、平均精度@50分数为96.2%。Pv和Pm的检测精确率较高，分别为96.9%和93.8%。Pf和WBC的检测精确率较低，分别为87.2%和87.8%。除Pf的F1分数为89.7%外，其他类别检测的F1分数均高于90.0%。4种疟原虫和WBC检测整体召回率为93.3%，召回率由高到低为Pm (94.9%)、WBC(94.2%)、Pv (94.1%)、Po (93.6%)、Pf (92.4%)。共有64个目标被误检，误检率为6.7%。模型与专家检测结果正确率均为100%，机器得分90，无阴阳性误判现象，但鉴别虫种存在误检。结论 目标检测模型能较好的识别定位疟原虫、白细胞及红细胞，评分结果趋近于镜检专家，具备较高的检测能力，可应用于临床疟原虫镜检的辅助诊断。
英文摘要
参考文献
基金
《武汉英才培育支持专项》（2024-2026）

返回