Nghiên cứu và xây dựng mô hình trí tuệ nhân tạo chẩn đoán bệnh sốt rét tự động thông qua hình ảnh phết máu ngoại vi

Abstract

Bệnh sốt rét là một căn bệnh nguy hiểm, gây tử vong hàng triệu người trên toàn thế giới mỗi năm. Để điều trị và kiểm soát căn bệnh này một cách hiệu quả, việc chẩn đoán sốt rét phải chính xác và kịp thời. Trong bài báo này, chúng tôi đề xuất một phương pháp dựa trên học sâu để phát hiện sốt rét trong hình ảnh chụp máu ngoại vi. Phương pháp của chúng tôi được chia thành hai giai đoạn: phát hiện đối tượng và phân loại nhị phân với Faster RCNN, và phân loại đa lớp với EfficientNetv2-L và SVM làm đầu ra. Chỉ số trung bình độ chính xác trung bình (mAP@0.5) được sử dụng để đánh giá hiệu suất của phương pháp của chúng tôi. Phương pháp của chúng tôi đạt được tổng hiệu suất là 88,7%, chứng minh tiềm năng của các phương pháp dựa trên học sâu trong việc phát hiện sốt rét chính xác và hiệu quả trong hình ảnh chụp máu ngoại vi. Kết quả nghiên cứu của chúng tôi có một số ý nghĩa đối với chẩn đoán và điều trị sốt rét. Các phương pháp dựa trên học sâu trong chẩn đoán sốt rét có thể cải thiện đáng kể độ chính xác và tốc độ chẩn đoán, dẫn đến việc điều trị căn bệnh sớm hơn và hiệu quả hơn.