基于Faster R-CNN的疟疾血涂片检测改进算法OACSTPCD
An Improved Algorithm for Malaria Blood Smear Detection Based on Faster R-CNN
根据WHO发布的报告,每年疟疾的新发病例超过2亿,死亡人数仍居高不下.疟疾血涂片镜检法是疟疾检测的金标准,但由于人工评估所需的步骤繁琐,即使在经验丰富的医师手中,这种诊断方法也很耗时并且容易发生漏检和误检.此外疟原虫细胞形状、密度和颜色的变化以及某些细胞类的不确定性等因素,对疟原虫检测提出了重大挑战.基于深度学习的神经网络模型在对象检测方面取得了巨大成功,但最先进的模型尚未在生物图像数据中得到广泛应用.针对这一问题,提出一种基于深度学习的改进Fa…查看全部>>
刘乾宇
北京邮电大学 软件学院,北京 100876;北京邮电大学可信分布式计算与服务教育部重点实验室,北京 100876
信息技术与安全科学
深度学习FasterR-CNN疟疾血涂片卷积神经网络ResNet
《计算机技术与发展》 2021 (1)
61-66,6
国家重点研发计划项目(2017YFC1307705)
评论