M. G. R. Rocha, Rodrigo M. S. Veras, M. Claro, Laurindo S. Britto Neto, Kelson Aires
{"title":"YOLO版本在疟疾寄生虫检测和鉴定中的比较分析","authors":"M. G. R. Rocha, Rodrigo M. S. Veras, M. Claro, Laurindo S. Britto Neto, Kelson Aires","doi":"10.5753/sbcas.2021.16066","DOIUrl":null,"url":null,"abstract":"A malária é uma doença endêmica causada pelo parasita Plasmodium que pode ser fatal em muitas regiões do mundo. Alguns pesquisadores estão utilizando conceitos de aprendizagem de máquina para detectar e classificar células infectadas pelo parasita Plasmodium. Este trabalho apresenta um estudo comparativo de três versões recentes da rede neural convolucional You Only Look Once (YOLO), são elas a: YOLOv4, Scaled-YOLOv4 e YOLOv5. Foi utilizado a base de dados MP-IDB que possui 210 imagens com o parasita Plasmodium. Os modelos alcançaram excelentes resultados, tendo o melhor resultado com mAP e precisão de 94,8% e 93,3%, respectivamente, para a classificação em dois tipos de espécies do Plasmodium falciparum e vivax.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Análise Comparativa de Versões YOLO na Detecção e Identificação de Parasitas da Malária\",\"authors\":\"M. G. R. Rocha, Rodrigo M. S. Veras, M. Claro, Laurindo S. Britto Neto, Kelson Aires\",\"doi\":\"10.5753/sbcas.2021.16066\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"A malária é uma doença endêmica causada pelo parasita Plasmodium que pode ser fatal em muitas regiões do mundo. Alguns pesquisadores estão utilizando conceitos de aprendizagem de máquina para detectar e classificar células infectadas pelo parasita Plasmodium. Este trabalho apresenta um estudo comparativo de três versões recentes da rede neural convolucional You Only Look Once (YOLO), são elas a: YOLOv4, Scaled-YOLOv4 e YOLOv5. Foi utilizado a base de dados MP-IDB que possui 210 imagens com o parasita Plasmodium. Os modelos alcançaram excelentes resultados, tendo o melhor resultado com mAP e precisão de 94,8% e 93,3%, respectivamente, para a classificação em dois tipos de espécies do Plasmodium falciparum e vivax.\",\"PeriodicalId\":413867,\"journal\":{\"name\":\"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)\",\"volume\":\"1 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-06-15\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/sbcas.2021.16066\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/sbcas.2021.16066","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Análise Comparativa de Versões YOLO na Detecção e Identificação de Parasitas da Malária
A malária é uma doença endêmica causada pelo parasita Plasmodium que pode ser fatal em muitas regiões do mundo. Alguns pesquisadores estão utilizando conceitos de aprendizagem de máquina para detectar e classificar células infectadas pelo parasita Plasmodium. Este trabalho apresenta um estudo comparativo de três versões recentes da rede neural convolucional You Only Look Once (YOLO), são elas a: YOLOv4, Scaled-YOLOv4 e YOLOv5. Foi utilizado a base de dados MP-IDB que possui 210 imagens com o parasita Plasmodium. Os modelos alcançaram excelentes resultados, tendo o melhor resultado com mAP e precisão de 94,8% e 93,3%, respectivamente, para a classificação em dois tipos de espécies do Plasmodium falciparum e vivax.