[논문 리뷰] 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)|2022. 08. 12.

Digital Imaging for Blood Diseases인용 수 6

한 줄 요약

MAIScope는 라즈베리 파이와 맞춤형 비드 현미경을 사용하여 원격 농촌 환경에서 말라리아 진단을 자동화하는 저비용 이동식 현미경으로, 내장된 시각 AI를 탑재하고 있습니다. 이 장치는 현장에서 실행되는 텐서플로우 라이트 모델을 통해 적혈구의 말라리아 감염 여부를 89.9%의 정확도로 분류하며, 전문 인력이나 안정적인 인터넷 접속 없이도 신뢰할 수 있는 오프라인 진단을 가능하게 합니다.

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.

연구 동기 및 목표

• 특히 아프리카와 동남아시아에서 근무하는 농촌 및 자원이 부족한 지역에서 훈련된 말라리아 현미경 검사사의 부족 문제를 해결하기 위해.
• 기존 현미경 진단의 한계인 높은 비용, 전기 필요성, 주관성 문제를 해결하기 위해 이동식이고 저전력인 진단 장치를 개발하기 위해.
• 인터넷 연결 없이도 현장에서 실시간으로 정확한 말라리아 진단을 가능하게 하기 위해 현장에서 실행되는 AI 추론을 통해 포인트 오브 카운슬(진단 현장)에서의 정확한 진단을 실현하기 위해.
• 동일한 하드웨어와 AI 파이프라인을 활용해 말라리아 외의 미세한 병변 진단을 위한 확장 가능한 플랫폼을 구축하기 위해.

제안 방법

• 작고 배터리로 구동되는 진단 장치를 구성하기 위해 라즈베리 파이 4에 10배 광학 줌 카메라와 터치스크린 디스플레이를 통합하기 위해.
• 기존의 광학 현미경과 비슷한 이미지 품질을 제공하는 저비용 유리 비드 현미경을 설계하고 구현하기 위해.
• 두 단계로 구성된 딥러닝 파이프라인을 구현하기 위해: 첫 번째로 BCCD 데이터셋을 사용해 적혈구, 백혈구, 혈소판을 식별하는 혈액세포 탐지 모델을 적용하고, 두 번째로 말라리아 데이터셋을 기반으로 훈련된 말라리아 기생충 분류 모델을 적용하기 위해.
• 저성능 하드웨어에서 효율적인 추론을 위해 텐서플로우 라이트를 사용해 모델을 최적화하여 모델 크기를 줄이면서도 높은 정확도를 유지하기 위해.
• 인터넷이 가능할 경우 이미지 업로드 및 모델 재학습을 위한 클라우드 동기화를 구현하여 장기적인 진단 정확도를 향상시키기 위해.
• 간단한 사용자 인터페이스를 통해 이미지 촬영과 분석을 자동화함으로써 사용자 상호작용을 최소화하여, 최소한의 훈련을 받은 보건 종사자도 사용할 수 있도록 하기 위해.

실험 결과

연구 질문

• RQ1 저비용 이동식 현미경에 내장된 현장 AI가 자원이 부족한 농촌 환경에서 말라리아 진단에 대해 높은 정확도를 달성할 수 있는가?
• RQ2 맞춤형 비드 현미경이 말라리아 진단에 있어 기존 광학 현미경과 비슷한 이미지 품질을 제공할 수 있는가?
• RQ3 저전력 하드웨어인 라즈베리 파이 4에서 경량 현장 딥러닝 모델이 높은 성능을 유지하면서 얼마나 효과적으로 작동할 수 있는가?
• RQ4 인터넷이나 안정적인 전원 공급 없이도 시스템이 오프라인 환경에서 신뢰성 있게 작동하여 원격 농촌 클리닉에서의 접근성을 확보할 수 있는가?
• RQ5 이 시스템이 말라리아 외의 미세한 병변 진단 분야로 얼마나 잘 확장 가능한가?

주요 결과

• MAIScope 장치는 현장에서 실행되는 텐서플로우 라이트 모델을 사용해 적혈구 내 말라리아 기생충 탐지에 평균 89.9%의 분류 정확도를 달성했다.
• 혈액세포 탐지 모델은 고성능 하드웨어에서 훈련된 세 개의 다른 모델보다 성능이 뛰어나면서도 훨씬 더 작아 낮은 자원 환경에서도 효율적임을 입증했다.
• 비드 현미경은 고가의 기존 광학 현미경과 비슷한 이미지 품질을 제공하여 저비용 진단 시스템에서의 활용 가능성을 입증했다.
• 5V 배터리 팩만으로도 시스템이 오프라인에서 안정적으로 작동하여 원격 이격된 농촌 클리닉에의 배치에 적합함을 입증했다.
• 혈액세포 분석 외에도 조직 샘플에서의 암 검출과 같은 다른 질병의 진단으로의 확장 가능성도 시험해보였다.
• 실제 혈액 슬라이드를 활용한 현장 테스트는 향후 핵심 과제로 지목되었으며, 현재 검증은 실제 슬라이드 접근성이 제한되어 있어 이미지 데이터셋 기반으로 이루어졌다.