[論文レビュー] MAIScope: A low-cost portable microscope with built-in vision AI to automate microscopic diagnosis of diseases in remote rural settings

Rohan Sangameswaran|arXiv (Cornell University)|Aug 12, 2022

Digital Imaging for Blood Diseases被引用数 6

ひとこと要約

MAIScopeは、ラズベリー・パイとカスタムビーズ顕微鏡を搭載した埋め込みビジョンAIを備えた低コストで携帯可能な顕微鏡であり、遠隔農村地域におけるマラリア診断を自動化する。オンデバイスでのTensorFlow Liteモデルを用いて赤血球のマラリア感染を分類する際、89.9％の正確性を達成し、専門的 personnel や安定したインターネット接続が不要な信頼性の高いオフライン診断を可能にする。

ABSTRACT

According to the World Health Organization(WHO), malaria is estimated to have killed 627,000 people and infected over 241 million people in 2020 alone, a 12% increase from 2019. Microscopic diagnosis of blood cells is the standard testing procedure to diagnose malaria. However, this style of diagnosis is expensive, time-consuming, and greatly subjective to human error, especially in developing nations that lack well-trained personnel to perform high-quality microscopy examinations. This paper proposes Mass-AI-Scope (MAIScope): a novel, low-cost, portable device that can take microscopic images and automatically detect malaria parasites with embedded AI. The device has two subsystems. The first subsystem is an on-device multi-layered deep learning network, that detects red blood cells (RBCs) from microscopic images, followed by a malaria parasite classifier that recognizes malaria parasites in the individual RBCs. The testing and validation demonstrated a high average accuracy of 89.9% for classification and average precision of 61.5% for detection models using TensorFlow Lite while addressing limited storage and computational capacity. This system also has cloud synchronization, which sends images to the cloud when connected to the Internet for analysis and model improvement purposes. The second subsystem is the hardware which consists of components like Raspberry Pi, a camera, a touch screen display, and an innovative low-cost bead microscope. Evaluation of the bead microscope demonstrated similar image quality with that of expensive light microscopes. The device is designed to be portable and work in remote environments without the Internet or power. The solution is extensible to other diseases requiring microscopy and can help standardize automation of disease diagnosis in rural parts of developing nations.

研究の動機と目的

• 特にアフリカおよび東南アジアにおいて、訓練を受けたマラリア顕微鏡技師の不足を解消すること。
• 従来の顕微鏡の限界（高コスト、電力の必要性、主観的評価）を克服し、ポータブルで低消費電力の診断装置を開発すること。
• インターネット接続なしで、オンデバイスAI推論を用いて、遠隔地の現場で即時の正確なマラリア診断を可能にすること。
• 同じハードウェアとAIパイプラインを用いて、マラリア以外の顕微鏡的疾患の診断に対してもスケーラブルかつ拡張可能なプラットフォームを構築すること。

提案手法

• ラズベリー・パイ4に10倍ズームカメラとタッチスクリーンディスプレイを統合し、コンパクトでバッテリー駆動の診断装置を構築する。
• 従来の光顕微鏡と同等の画像品質を実現する低コストのガラスビーズ顕微鏡を設計・実装する。
• 2段階のディープラーニングパイプラインを展開：まず、BCCDデータセットを用いて赤血球、白血球、血小板を特定する血液細胞検出モデルを実装。次に、マラリアデータセットで訓練されたマラリア寄生虫分類器を適用。
• 低性能ハードウェアでも効率的な推論を実現するため、TensorFlow Liteを用いてモデルを最適化し、モデルサイズを削減しながらも高い正確性を維持する。
• インターネット接続がある際には画像のアップロードとモデル再訓練が可能なクラウド同期を実装し、長期的な診断正確性を向上させる。
• シンプルなUIにより、画像撮影と分析を自動化することで、最小限の訓練を受けた保健従事者でも使用可能となるように、ユーザーの操作を最小限に抑える。

実験結果

リサーチクエスチョン

• RQ1 低コストで携帯可能な顕微鏡にオンデバイスAIを搭載した場合、リソースが限られた農村環境でマラリア診断に高い正確性を達成できるか？
• RQ2 カスタムビーズ顕微鏡は、従来の光顕微鏡と同等の画像品質を実現できるか、マラリア診断に適しているか？
• RQ3 ラズベリー・パイ4のような低消費電力ハードウェア上で、軽量なオンデバイスディープラーニングモデルが、高いパフォーマンスを維持しながら効果的に動作するか？
• RQ4 インターネット接続や安定した電源がなくても、システムが信頼性を持ってオフラインで動作し、遠隔診療所での利用が可能か？
• RQ5 本システムは、マラリア以外の顕微鏡的疾患診断にも、どの程度拡張可能か？

主な発見

• MAIScopeデバイスは、オンデバイスでのTensorFlow Liteモデルを用いて、赤血球内のマラリア寄生虫の検出において平均89.9％の分類正確性を達成した。
• 血液細胞検出モデルは、高価なハードウェアで訓練された3つの他のモデルを上回る性能を示したが、モデルサイズははるかに小さく、低リソースデバイスでの効率性を実証した。
• ビーズ顕微鏡は、高価な従来の光顕微鏡と同等の画像品質を実現し、低コスト診断システムへの応用が妥当であることを裏付けた。
• 5Vバッテリー・パックのみで動作したため、オフグリッドの農村診療所への展開に適していることが確認された。
• 本デバイスは、組織スライドからのがん検出など、顕微鏡的分析が必要な他の疾患の診断にも応用可能である可能性を示した。
• 実際の血塗料スライドを用いた現地テストは、現在の検証が画像データセットに依存しており、実際のスライドへのアクセスが限られていたため、今後の主要な課題であると特定された。