6 Conclusion and DiscussionWe have

6 Conclusion and Discussion
We have described a method that detects malaria parasites in images acquired from peripheral
Giemsa-stained blood samples using conventional light microscopes. We have
utilised a colour normalisation method to maintain illumination and colour constancy. We
have demonstrated a solution for the stain extraction problem with a two class (stained/
non-stained) Bayesian classification. The results show that the stained pixel classifier
achieves satisfactory results: 88.5%, 5.6% true and false detection rates respectively. The
detected stained pixels are further processed to extract features H (histogram), M (Hu
moments), R (relative shape measurements), C (colour auto correlogram) which are used
in the parasite/non-parasite classifier. A Knn-d classifier has been implemented and detailed
evaluations demonstrate the individual and concatenated feature performances. The
colour based features: C and H were the most successful single features. The feature C
was more successful than the feature H. However, the difference was not significant
which may be caused by the high dimensionality of the feature C. The shape features: M
and R alone did not have a significant outcome. Concatenations of M + R were slightly
boosting the C and H features. The evaluations here do not suggest concatenated features
necessarily yield better results. Instead, they suggest colour based features are more
successful in discriminating the parasites and non-parasites; and that adding shape based
features to them slightly improves the performance.
We have shown that the stained pixel detection or stained object extraction as proposed
in [12], [13], [14] does not lead to successful parasite detection; parasite detection can
also not be performed with heuristics based only on area measurements. Our parasite/nonparasite
classifier achieves 74% sensitivity, 98% specificity, 88% positive prediction, 95%
negative prediction value rates based on a single observation. However, in a real diagnosis
scenario a blood film from a test case could provide thousands of stained objects. Thus,
the diagnostic decision can be made according to the decisions on the total number instead
of a single one. To improve the efficiency of the method as a viable malaria diagnosis tool
and to reveal the actual diagnosis performance more controlled experiments should be
performed and compared to expert manual diagnosis.

ผลลัพธ์ (ไทย) 1:

6 สรุปผลและอภิปรายเราได้อธิบายวิธีการที่ตรวจพบปรสิตมาลาเรียในภาพที่มาจากอุปกรณ์ต่อพ่วงตัวอย่างเลือดสี Giemsa ที่ใช้แสงกล้องจุลทรรศน์ทั่วไป เรามีใช้วิธี normalisation สีรักษาแสงสว่าง และสีนำ เรามีสาธิตโซลูชั่นสำหรับปัญหาสกัดคราบของชั้นสอง (สี /ไม่มีสี) ประเภททฤษฎี ผลลัพธ์แสดงว่า classifier พิกเซลทิ้งคราบได้รับผลเป็นที่พอใจ: 88.5% ตรวจจริง และเท็จเป็น 5.6% ราคาตามลำดับ ที่พิกเซลทิ้งคราบตรวจประมวลผลเพิ่มเติมเพื่อแยกคุณลักษณะ H (ฮิสโตแกรม), M (หูช่วงเวลา), R (ขนาดรูปร่างญาติ) C (สีอัตโนมัติ correlogram) ซึ่งใช้ใน classifier ปรสิต/ไม่ปรสิต ดำเนินการ และรายละเอียด classifier Knn dประเมินแสดงให้เห็นถึงการแสดงคุณลักษณะของแต่ละคน และต่อ ที่คุณลักษณะของสีที่ใช้: C และ H มีคุณลักษณะเดียวประสบความสำเร็จมากที่สุด คุณลักษณะ Cสำเร็จมากขึ้นกว่าลักษณะ H. อย่างไรก็ตาม ความแตกต่างที่ไม่สำคัญซึ่งอาจเกิดจาก dimensionality สูงคุณลักษณะ c ลักษณะรูปร่าง: Mและ R เพียงอย่างเดียวไม่มีผลอย่างมีนัยสำคัญ Concatenations M + R ได้เล็กน้อยส่งเสริมคุณลักษณะ C และ H ประเมินที่นี่แนะนำลักษณะการทำงานต่อจำเป็นต้องเป็นผลผลิตผลลัพธ์ที่ดีขึ้น แทน พวกเขาแนะนำเป็นสีตามคุณลักษณะประสบความสำเร็จในการเหยียดพวกผิวปรสิตและไม่ปรสิต และการเพิ่มรูปร่างขึ้นกับนอกจากนี้คุณลักษณะไปเล็กน้อยเพิ่มประสิทธิภาพเราได้แสดงที่ตรวจหาเซลทิ้งคราบ หรือสีแยกวัตถุตามที่เสนอใน [12], [13], [14] สามารถทำการตรวจหาปรสิตที่ประสบความสำเร็จ สามารถตรวจหาปรสิตยัง ไม่สามารถทำ ด้วยการลองผิดลองถูกเท่านั้นตามที่ตั้งวัด ของเราที่ปรสิต nonparasiteclassifier ได้รับไว 74%, 98% specificity ทาย ผลบวก 88%, 95%อัตราค่าพยากรณ์ลบตามสังเกตเดียว อย่างไรก็ตาม ในการวินิจฉัยที่แท้จริงสถานการณ์การถ่ายเลือดจากกรณีทดสอบสามารถให้พันวัตถุทิ้งคราบ ดังนั้นการตัดสินใจการวินิจฉัยสามารถทำตามการตัดสินใจเกี่ยวกับจำนวนแทนของหนึ่งเดียว เพื่อปรับปรุงประสิทธิภาพของวิธีการเป็นเครื่องมือวินิจฉัยโรคมาลาเรียได้และควรจะทดลองสำแดงประสิทธิภาพจริงวินิจฉัยควบคุมเพิ่มเติมดำเนินการ และเมื่อเทียบกับผู้เชี่ยวชาญด้วยตนเองการวินิจฉัย

ผลลัพธ์ (ไทย) 2:

6
สรุปและอภิปรายเราได้อธิบายวิธีการที่ตรวจพบเชื้อมาลาเรียในภาพที่ได้มาจากการต่อพ่วงตัวอย่างเลือด
Giemsa เปื้อนโดยใช้กล้องจุลทรรศน์แสงธรรมดา
เราได้ใช้วิธีการฟื้นฟูสีที่จะรักษาความมั่นคงและความสว่างของสี เราได้แสดงให้เห็นวิธีการแก้ปัญหาสำหรับปัญหาการสกัดคราบที่มีสองชั้น (สี / ไม่เปื้อน) จำแนกแบบเบย์ ผลการศึกษาพบว่าลักษณนามพิกเซลสีบรรลุผลที่น่าพอใจ: 88.5%, 5.6% อัตราการตรวจจับความจริงและเท็จตามลำดับ พิกเซลสีที่ตรวจพบจะดำเนินการต่อไปในการสกัดมี H (กราฟ), M (Hu ช่วงเวลา) r (วัดรูปร่างญาติ), C (อัตโนมัติสี Correlogram) ซึ่งจะใช้ในปรสิต/ ลักษณนามที่ไม่ใช่ปรสิต ตัวแยกประเภท KNN-d ได้รับการดำเนินการและรายละเอียดการประเมินผลแสดงให้เห็นถึงการแสดงคุณลักษณะของแต่ละบุคคลและการตัดแบ่ง คุณสมบัติตามสี: C และ H เป็นคุณสมบัติเดียวที่ประสบความสำเร็จมากที่สุด C คุณลักษณะที่ประสบความสำเร็จมากขึ้นกว่าที่เอชคุณลักษณะอย่างไรก็ตามความแตกต่างอย่างมีนัยสำคัญไม่ได้ซึ่งอาจจะเกิดจากมิติที่สูงของคุณลักษณะซีรูปร่างคุณสมบัติ: M และ R เพียงอย่างเดียวไม่ได้มีนัยสำคัญผล concatenations ของ M + R ถูกเล็กน้อยส่งเสริมC และ H คุณสมบัติ การประเมินผลที่นี่ไม่ได้แนะนำคุณสมบัติการตัดแบ่งจำเป็นต้องให้ผลผลิตผลลัพธ์ที่ดีกว่า แต่พวกเขาแนะนำคุณสมบัติตามสีที่มีมากขึ้นประสบความสำเร็จในการแบ่งแยกและไม่ปรสิตปรสิตที่; และว่าการเพิ่มตามรูปร่าง. คุณลักษณะที่จะให้พวกเขาเล็กน้อยช่วยเพิ่มประสิทธิภาพเราได้แสดงให้เห็นว่าการตรวจสอบพิกเซลสีหรือสกัดวัตถุสีตามที่เสนอใน[12] [13], [14] ไม่นำไปสู่การตรวจสอบปรสิตที่ประสบความสำเร็จ การตรวจหาพยาธิสามารถยังไม่ได้รับการดำเนินการกับการวิเคราะห์พฤติกรรมขึ้นอยู่เฉพาะในพื้นที่วัด ปรสิต / ของเรา nonparasite ลักษณนามประสบความสำเร็จในความไว 74% ความจำเพาะ 98%, 88% คาดการณ์ในเชิงบวก 95% อัตราค่าทำนายเชิงลบอยู่บนพื้นฐานของการสังเกตเดียว อย่างไรก็ตามในการวินิจฉัยจริงสถานการณ์ฟิล์มเลือดจากกรณีการทดสอบสามารถให้พันของวัตถุสี ดังนั้นการตัดสินใจวินิจฉัยสามารถทำตามการตัดสินใจเกี่ยวกับจำนวนแทนของหนึ่งเดียว เพื่อปรับปรุงประสิทธิภาพของวิธีการที่เป็นเครื่องมือในการวินิจฉัยโรคมาลาเรียที่ทำงานได้และจะเปิดเผยผลการดำเนินงานที่เกิดขึ้นจริงการวินิจฉัยการทดลองควบคุมมากขึ้นควรจะดำเนินการและเมื่อเทียบกับผู้เชี่ยวชาญด้านการตรวจวินิจฉัยด้วยตนเอง

ผลลัพธ์ (ไทย) 3:

6 สรุปและอภิปราย
เราได้อธิบายวิธีการที่ตรวจพบปรสิตมาลาเรียในภาพได้มาจากอุปกรณ์ต่อพ่วงที่เปื้อนเลือด
จิมซาใช้ปกติแสงกล้องจุลทรรศน์ เรามี
ใช้สีฟื้นฟูวิธีการรักษารัศมี และ ความจงรักภักดี สี เรา
ได้แสดงให้เห็นถึงแนวทางแก้ไขปัญหา ด้วยการสกัดคราบ ( ย้อม /
2 ห้องไม่เปื้อน ) หมวดหมู่คชกรรม . ผลการวิจัยแสดงให้เห็นว่า เปื้อนแบบพิกเซล
บรรลุผลที่น่าพอใจ : 88.5 ลดลง 5.6% ที่แท้จริงและอัตราการตรวจจับเท็จตามลำดับ
ตรวจพบคราบพิกเซลต่อการประมวลผลเพื่อสกัดคุณลักษณะ H ( Histogram ) , M ( Hu
ช่วงเวลา ) , R ( เทียบรูปร่างการวัด ) , C ( correlogram auto สี ) ซึ่งใช้ในปรสิต ปรสิต
/ ไม่ลักษณนามเป็น knn-d ลักษณนามที่มีการใช้งานและรายละเอียด
การประเมินแสดงบุคคลและมาแสดงคุณลักษณะ
สีตามคุณสมบัติ : C และ H คือประสบความสำเร็จที่สุดในคุณสมบัติ คุณลักษณะ C
ประสบความสำเร็จมากกว่าคุณลักษณะต่อชั่วโมง อย่างไรก็ตาม ความแตกต่างอย่างมีนัยสำคัญ
ซึ่งอาจจะเกิดจากการ dimensionality สูงคุณลักษณะรูปร่างลักษณะ : m
Cและ R อย่างเดียว ไม่มีผลอย่างมีนัยสำคัญ concatenations M R เล็กน้อย
พื่น C และ H คุณสมบัติ การประเมิน ที่นี่ไม่แนะนำให้ตัดแบ่งคุณลักษณะ
ต้องให้ผลลัพธ์ที่ดีกว่า แต่พวกเขาแนะนำสีตามคุณลักษณะเพิ่มเติม
สำเร็จจำแนกปรสิตและปรสิตไม่ ; และเพิ่มรูปร่างตาม
คุณสมบัติเหล่านั้นเล็กน้อยเพิ่มประสิทธิภาพ .
เราได้แสดงให้เห็นว่าเลอะหรือเปื้อนการสกัดวัตถุตรวจจับพิกเซลตามที่เสนอ
[ 12 ] , [ 13 ] , [ 14 ] ไม่ได้นำไปสู่การตรวจหาปรสิต ปรสิตสามารถประสบความสำเร็จ ; การตรวจหา
ยังไม่สามารถดำเนินการกับฮิวริสติกที่ใช้ในการวัดพื้นที่ ของเราปรสิต / nonparasite
ลักษณนามใช้ 74% ไว , 98% ความจำเพาะ88 % การทำนายบวก 95 %
ลบการทำนายค่าอัตราขึ้นอยู่กับการสังเกตเดี่ยว อย่างไรก็ตาม ในสถานการณ์การวินิจฉัย
จริงฟิล์มเลือดจากกรณีทดสอบจะให้พันสีวัตถุ ดังนั้นการตัดสินใจวินิจฉัย
สามารถทําตามการตัดสินใจของจํานวนทั้งหมดแทน
ของเดียว เพื่อปรับปรุงประสิทธิภาพของวิธีการเป็นมาลาเรียการวินิจฉัยเครื่องมือ
ได้และเปิดเผยการปฏิบัติการวินิจฉัยจริง การทดลองควบคุมเพิ่มเติม ควรปฏิบัติ และเมื่อเปรียบเทียบกับการวินิจฉัย

คู่มือผู้เชี่ยวชาญ