[논문 리뷰] Malaria Detection Using Image Processing and Machine Learning

Suman Kunwar|arXiv (Cornell University)|2018. 01. 28.

Digital Imaging for Blood Diseases참고 문헌 4인용 수 5

한 줄 요약

이 논문은 이미지 처리 및 기계 학습 파이프라인을 제안하여 혈액 도말 슬라이드에서의 말라리아 자동 검출을 위한 방법을 개발한다. 특징 추출 및 분류 기법을 사용하여 플라스모디움 기생충을 식별하고 분류한다. 초기에 감염된 적혈구를 검출하고 기생충 유형을 결정하기 위한 시스템을 개발했지만, 저자 지위 분쟁과 내용 문제로 인해 논문은 철수되었다.

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.

연구 동기 및 목표

• 수동 현미경 검사에 의존도를 줄이기 위해 혈액 도말 영상에서 플라스모디움 기생충을 자동으로 검출하는 시스템을 개발하는 것.
• 시간이 오래 걸리고 인간 오류가 발생하기 쉬운 전통적인 현미경 검사의 한계를 해결하는 것.
• 추출된 형태학적 및 질감 특징을 기반으로 기계 학습 기법을 적용하여 감염된 적혈구를 분류하는 것.
• 특히 자원이 제한된 환경에서 말라리아 스크리닝의 진단 정확도와 효율성을 향상시키는 것.
• 디지털 영상 분석을 활용하여 기생충 검출 및 분류를 위한 확장 가능한 자동화된 솔루션을 구축하는 것.

제안 방법

• 대trast 및 노이즈 제거를 향상시키기 위해 혈액 도말 영상을 촬영하고 전처리하는 것.
• 배경 및 기타 성분으로부터 개별 적혈구를 분할하기 위해 이미지 처리 기법을 적용하는 것.
• 크기, 모양, 색상 분포와 같은 형태학적 및 질감 특징을 분할된 세포에서 추출하는 것.
• 레이블이 부여된 데이터를 기반으로 기계 학습 모델을 훈련시켜 세포를 감염되지 않은 상태 또는 플라스모디움에 감염된 상태로 분류하는 것.
• 특징 기반 분류 기법을 사용하여 세포 특성에 기반해 플라스모디움 기생충의 다양한 유형을 구분하는 것.
• 단일 워크플로우 내에서 감염된 세포를 검출하고 정량화할 수 있는 시스템에 파이프라인을 통합하는 것.

실험 결과

연구 질문

• RQ1 이미지 처리 및 기계 학습 기법이 혈액 도말 영상에서 플라스모디움 기생충을 정확하게 검출할 수 있는가?
• RQ2 추출된 형태학적 및 질감 특징이 감염된 상태와 감염되지 않은 상태의 적혈구를 구분하는 데 얼마나 효과적인가?
• RQ3 세포 특성에 기반해 시스템이 플라스모디움의 다양한 종을 신뢰성 있게 분류할 수 있는가?
• RQ4 수동 현미경 검사에 비해 자동화된 시스템이 진단 시간과 인간 오류를 얼마나 줄이는가?
• RQ5 임상 또는 현장 환경에 이러한 시스템을 구현할 때 기술적 및 윤리적 과제는 무엇인가?

주요 결과

• 제안된 시스템은 이미지 처리 및 기계 학습 기법을 활용하여 혈액 도말 영상에서 플라스모디움 기생충을 성공적으로 검출하였다.
• 특징 추출을 통해 형태학적 및 질감 패턴에 기반해 감염된 상태와 감염되지 않은 상태의 적혈구를 효과적으로 구분할 수 있었다.
• 학습된 특징을 활용하여 다양한 유형의 플라스모디움 기생충을 분류할 잠재력이 있었음을 시스템이 입증하였다.
• 기술적 진전에도 불구하고, 논문은 저자 지위 분쟁과 내용 우려로 인해 arXiv에서 철수되었다.
• 철수로 인해 최종 판본에서 정량적 성능 지표(예: 정확도, 민감도, 특이도)가 보고되지 않았다.
• 행정적 철수로 인해 검증이나 확산이 불가능했지만, 자동 말라리아 검출의 기초를 마련하였다.