Statistical Comparison of Different Machine-Learning Approaches for Malaria Parasites Detection in Microscopic Images
Mafalda Falcão Ferreira · Open Repository of the University of Porto (University of Porto) · 2017
A malária é um grave problema de saúde pública em todo o mundo, particularmente nos países em desenvolvimento (cerca de 80% dos casos ocorrem em África), pondo em risco a vida de milhões de pessoas. Causada por 4 espécies diferentes de parasitas, cada um com diferentes estágios de evolução, a aproximação do diagnóstico correto sem acesso a equipamentos caros é complexo. Nos últimos anos, a investigação tem-se centrado na aceleração e redução dos custos deste diagnóstico, recorrendo à classificação de imagens microscópicas, com base em processos de Machine Learning. Ainda assim, persiste na maioria das abordagens a ausência constante de comparação estatística sistemática na literatura que suporta uma técnica ou recurso particular. Assim, os objetivos desta dissertação são: (i) projetar e executar uma comparação estatística de diferentes abordagens de ML para a detecção de tais parasitas em imagens microscópicas, (ii) identificar quais características são mais relevantes para a previsão, (iii) identificar quais modelos E as técnicas obtêm os melhores resultados, equilibrando a precisão e o recall, e (iv) investigando a aplicabilidade das técnicas de aprendizagem profunda e de conjunto. A conclusão bem-sucedida desta dissertação capacitará os países em desenvolvimento com ferramentas de diagnóstico mais rápidas, mais baratas e mais precisas, melhorando diretamente a vida e a saúde de populações.