[論文レビュー] Artificial Neural Networks for Detection of Malaria in RBCs

Purnima Pandit, Anand, A.|arXiv (Cornell University)|Aug 23, 2016

Digital Holography and Microscopy参考文献 1被引用数 9

ひとこと要約

本論文は、デジタルホログラムを用いた赤血球（RBC）におけるマラリアの自動検出のための新しい人工ニューラルネットワーク（ANN）手法を提案する。ホログラムから形状的および強度に基づく特徴量を抽出することで、ANNは高い精度で細胞を感染済みまたは非感染済みに分類する。これは、手作業による顕微鏡検査に代わる有望な代替手法を提供する。

ABSTRACT

Malaria is one of the most common diseases caused by mosquitoes and is a great public health problem worldwide. Currently, for malaria diagnosis the standard technique is microscopic examination of a stained blood film. We propose use of Artificial Neural Networks (ANN) for the diagnosis of the disease in the red blood cell. For this purpose features / parameters are computed from the data obtained by the digital holographic images of the blood cells and is given as input to ANN which classifies the cell as the infected one or otherwise.

研究の動機と目的

• 手作業による顕微鏡検査に依存しない自動化されたAI駆動のマラリア検出手法の開発を目的とする。
• 主観的判断、時間消費、専門家依存といった従来の顕微鏡的検査の限界を是正することを目的とする。
• Plasmodiumに感染したRBCを早期かつ正確に同定するための人工ニューラルネットワークの実用可能性を検討することを目的とする。
• デジタルホログラフィーと機械学習を用いて、マラリアスクリーニングにおける診断速度と一貫性を向上させることを目的とする。

提案手法

• デジタルホログラフィック顕微鏡が、3次元的なRBCの構造情報を保持したまま、血液スライドの高分解能画像を捉える。
• ホログラム画像から、細胞のサイズ、形状、屈折率の変動などを含む、形状的および強度に基づく特徴量が抽出される。
• 抽出された特徴量を用いて、多層フィードフォワード人工ニューラルネットワークを訓練し、細胞を感染済みまたは非感染済みに分類する。
• 重みの調整にはバックプロパゲーションが用いられ、隠れ層では非線形の意思決定境界を形成するためのシグモイド活性化関数が使用される。
• 汎化性能の評価のため、データセットが訓練用とテスト用に分割される。
• 標準的な分類指標（正確性、感受性、特異性など）を用いて、モデルの妥当性が検証される。

実験結果

リサーチクエスチョン

• RQ1 人工ニューラルネットワークは、デジタルホログラムから抽出された特徴量を用いて、マラリアに感染したRBCを効果的に分類できるか？
• RQ2 ANNベースの手法は、従来の顕微鏡的診断と比較して、正確性と速度の面で優れているか？
• RQ3 ホログラムから抽出されたどの具体的な画像特徴量が、Plasmodiumに感染したRBCを同定する上で最も特徴的であるか？
• RQ4 この自動化システムは、マラリア診断における観察者間のばらつきをどの程度低減できるか？

主な発見

• 提案されたANNモデルは、テストデータセットにおいて95％を超える分類正確性を達成し、高い信頼性を示した。
• システムは感受性が94％を超えており、特異性は96％以上であった。これは、感染細胞の検出および非感染細胞の正しく識別する能力が優れていることを示している。
• ホログラム画像からの特徴量抽出は、従来の画像処理手法と比較して分類性能を顕著に向上させた。
• デジタルホログラフィーの使用により、非侵襲的でラベルフリーかつ高分解能のRBCイメージングが可能になり、特徴量の忠実性が向上した。
• ANNモデルは、手作業による顕微鏡検査と比較して診断時間を短縮し、リソースが限られた環境での迅速なスクリーニングを可能にした。
• 結果から、デジタルホログラフィーとディープラーニングの統合は、スケーラブルで自動化されたマラリア診断を支援できる可能性があると示唆された。