|
Title:
|
Leishmaniasis parasite segmentation and classification using deep learning
|
|
Author:
|
Górriz, Marc; Aparicio, Albert; Raventós, Berta; Vilaplana Besler, Verónica; Sayrol Clols, Elisa; López Codina, Daniel
|
|
Other authors:
|
Universitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions; Universitat Politècnica de Catalunya. Departament de Física; Universitat Politècnica de Catalunya. GPI - Grup de Processament d'Imatge i Vídeo; Universitat Politècnica de Catalunya. BIOCOM-SC - Grup de Biologia Computacional i Sistemes Complexos |
|
Abstract:
|
Leishmaniasis is considered a neglected disease that causes thousands of deaths annually in some tropical and subtropical countries. There are various techniques to diagnose leishmaniasis of which manual microscopy is considered to be the gold standard. There is a need for the development of automatic techniques that are able to detect parasites in a robust and unsupervised manner. In this paper we present a procedure for automatizing the detection process based on a deep learning approach. We train a U-net model that successfully segments leismania parasites and classifies them into promastigotes, amastigotes and adhered parasites. |
|
Abstract:
|
Peer Reviewed |
|
Subject(s):
|
-Àrees temàtiques de la UPC::Informàtica::Intel·ligència artificial::Aprenentatge automàtic
-Àrees temàtiques de la UPC::Ciències de la salut::Medicina::Diagnòstic per la imatge
-Àrees temàtiques de la UPC::Enginyeria de la telecomunicació::Processament del senyal::Processament de la imatge i del senyal vídeo
-Deep learning
-Leishmaniasis
-Image segmentation
-Aprenentatge profund
-Leishmaniosi
-Imatges -- Segmentació |
|
Rights:
|
|
|
Document type:
|
Article - Published version
Conference Object |
|
Published by:
|
Springer
|
|
Share:
|
|
