[論文レビュー] Malaria Detection Using Image Processing and Machine Learning

Suman Kunwar|arXiv (Cornell University)|Jan 28, 2018

Digital Imaging for Blood Diseases参考文献 4被引用数 5

ひとこと要約

この論文は、特徴抽出と分類を用いてマラリア原虫を同定・分類する画像処理および機械学習パイプラインを提案している。初期段階で感染赤血球の検出と原虫タイプの同定のためのシステムを開発したが、著者権のめいわとコンテンツ上の問題が生じたため、論文は撤回された。

ABSTRACT

Malaria is mosquito-borne blood disease caused by parasites of the genus Plasmodium. Conventional diagnostic tool for malaria is the examination of stained blood cell of patient in microscope. The blood to be tested is placed in a slide and is observed under a microscope to count the number of infected RBC. An expert technician is involved in the examination of the slide with intense visual and mental concentration. This is tiresome and time consuming process. In this paper, we construct a new mage processing system for detection and quantification of plasmodium parasites in blood smear slide, later we develop Machine Learning algorithm to learn, detect and determine the types of infected cells according to its features.

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ように、血液塗料スライド画像におけるマラリア原虫を自動で検出するシステムの開発を目的とする。
• 時間のかかるのと人為的誤差の多い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。
• 抽出された形態的およびテクスチャ的特徴に基づいて、感染赤血球を分類する機械学習手法を適用することを目的とする。
• 特にリソースが限られた環境において、診断の正確性と効率を向上させることを目的とする。
• デジタル画像解析を用いて、原虫の検出と分類を統合したスケーラブルで自動化されたソリューションの構築を目的とする。

提案手法

• コントラストを向上させ、ノイズを除去するために、血液塗料スライドの画像をキャプチャおよび前処理した。
• 画像処理技術を用いて、背景および他の成分から個々の赤血球を分離した。
• 分離された細胞から、サイズ、形状、色の分布などの形態的およびテクスチャ的特徴を抽出した。
• ラベル付きデータを用いて機械学習モデルを学習させ、細胞を非感染またはマラリア原虫に感染した状態に分類した。
• 特徴に基づく分類を用いて、細胞の特徴に基づいて異なる種類のマラリア原虫を区別した。
• 一連のワークフロー内で感染細胞の検出と定量を可能にするパイプラインを統合した。

実験結果

リサーチクエスチョン

• RQ1 画像処理および機械学習を用いて、血液塗料スライド画像におけるマラリア原虫を正確に検出できるか？
• RQ2 抽出された形態的およびテクスチャ的特徴は、非感染赤血球と感染赤血球を区別するためにどれほど有効か？
• RQ3 このシステムは、細胞の特徴に基づいて異なる種類のマラリア原虫を信頼性高く分類できるか？
• RQ4 手作業による顕微鏡検査と比較して、自動化されたシステムは診断に要する時間をどれほど短縮し、人為的誤差をどれほど低減できるか？
• RQ5 臨床的または現地での環境にこのようなシステムを導入するにあたり、技術的および倫理的な課題は何か？

主な発見

• 提案されたシステムは、画像処理および機械学習技術を用いて、血液塗料スライド画像におけるマラリア原虫を正常に検出できた。
• 特徴抽出により、形態的およびテクスチャ的パターンに基づいて、感染赤血球と非感染赤血球を効果的に区別できた。
• 学習された特徴を用いて、異なる種類のマラリア原虫を分類する可能性を示した。
• 技術的な進展にもかかわらず、arXivは著者権のめいわとコンテンツ上の懸念から論文を撤回した。
• 撤回のため、最終版では定量的性能指標（例：正解率、感度、特異度）が報告されなかった。
• この研究は自動マラリア検出の基盤を築いたが、管理的撤回のため、検証も広報も不可能になった。