malaria | BriefGPT - AI 论文速递

关键词malaria

搜索结果 - 8

利用深度神经网络检测疟疾细胞
使用深度学习方法自动化检测疟疾感染细胞，通过 ResNet50 卷积神经网络模型和训练集 27,558 张分为感染和未感染细胞的 Malaria Cell Images Dataset 的转移学习，实现高准确率、精确度和召回率，证明其在疟疾
PDF8 days ago
M2ANET：移动疟疾注意力网络用于高效分类血细胞中的疟原虫
通过结合 MBConv3 和改进的全局 MHSA 机制，我们设计了 M2ANET 模型，用于在血细胞图像中高效分类疟原虫，通过对基准测试的广泛实验，我们证明了 M2ANET 在准确性和效率方面优于一些先进的轻量级和移动网络，同时讨论了 M2
PDFa month ago
CodaMal: 低成本显微镜中针对疟疾检测的对比领域适应
通过使用高成本显微镜（HCM）进行训练，通过自适应对比损失来减小领域偏移，同时结合仔细设计的增强方式确保疟疾寄生虫的准确检测，我们提出了一个名为 CodaMal 的端到端学习框架，该方法在公开的大规模 M5 数据集中相较于现有方法在平均准确
PDF5 months ago
利用深度学习模型预测布隆迪疟疾动态
本研究基于机器学习建立了 LSTM 预测模型，通过利用与气候变化相关的因素以及疟疾历史数据和人口数据，成功预测了布隆迪国家范围内的疟疾病例，为相关干预措施的制定提供支持。
PDFa year ago
使用 ResNet50 主干的迁移学习辅助诊断疟疾
本篇论文提出了一种基于 ResNet50 深度神经网络的计算机辅助诊断方法来检测感染疟疾的血液薄片细胞图像，其分类准确率和召回率分别达到 98.75% 和 99.5%。
PDFa year ago
ICLR全球健康的适应性干预：疟疾的案例研究
通过移动健康应用，机器学习技术能够强化疟疾监测和治疗依从性，提高疟疾测试率，改善医护人员技能和医疗质量，通过能力建设和鼓励行为改变支持前线工作者和患者，减少药房和诊所的测试缺货并为政策干预提供当地的公共卫生信息。
PDFa year ago
NIPS利用深度强化学习有效调查家庭，预测疟疾发生可能性
本研究构建了一个基于深度强化学习的代理机器人，通过提问家庭相关问题来预测个体患上疟疾的可能性，并且相比固定的调查问卷基准，我们的机器人可以自适应选择调查问题从而在 80% 准确率下比基准显著缩短了调查时间。
PDF7 years ago
ICML高斯过程调制泊松过程的变分推理
本研究提出了一种全新的基于变分贝叶斯推断法的、用于处理连续高斯过程调制泊松过程的方案，并得出了有关神经科学、地理统计和天文学等领域的实验数据，证明这种方案具有非常高的效率和性能优势。
PDF10 years ago