自动化医学成像框架彻底改变了血吸虫病诊断

血吸虫病是一种寄生虫病，影响着全世界数百万人，造成了重大的公共卫生和经济负担，特别是在贫困地区。为了对抗这种疾病并实现世界卫生组织 (WHO) 的控制和消除目标，准确且易于使用的诊断工具至关重要。目前，显微镜检查是诊断血吸虫病的标准，但它耗时、依赖操作人员，并且需要专业知识，这对于资源有限的地区来说具有挑战性。

为了应对这些挑战，研究人员开发了 Schistscope，这是一种配备自动对焦和自动载玻片扫描系统的创新光学工具。该设备可捕获尿液样本的显微镜图像，从而能够有效检测 埃及血吸虫 卵(泌尿生殖道血吸虫病的常见原因)。在《医学影像杂志》上发表的 一项研究中 ，研究人员旨在创建一个强大的数据集，并使用深度学习开发一个两阶段诊断框架，以 在现场环境中准确识别和计数 埃及沙门氏菌(SH) 卵。

首先，研究人员创建了一个 SH 数据集，其中包含在尼日利亚中部农村地区收集并使用 Schistscope 设备捕获的 12,051 个尿液样本图像。他们手动对图像进行注释，对鸡蛋进行标记，并将其与晶体、玻璃碎片、气泡和纤维等可能妨碍准确诊断的人工制品区分开来。

所提出的两阶段诊断框架由 DeepLabv3 和 MobilenetV3 主干深度卷积神经网络组成，并使用 SH 数据集上的迁移学习进行训练。在第一阶段，该框架执行语义分割以识别捕获图像中的候选 SH 蛋。第二阶段通过拟合重叠椭圆来细化分割，有效分离聚类鸡蛋的边界，从而获得更准确的鸡蛋计数。

为了证明所提出的框架的现场适用性，研究人员在边缘人工智能系统(Raspberry Pi + Coral USB 加速器)上实现了该框架，并在尼日利亚现场获取的 65 个临床尿液样本上进行了测试。结果显示出高灵敏度、特异性和精确度(百分比分别为 93.75、93.94 和 93.75)，自动卵子计数与专业显微镜师的手动计数密切相关。

该 SH 数据集是训练和评估诊断框架的宝贵资源，提供了由于伪影而具有不同程度难度的多样化图像。

代尔夫特理工大学可持续设计工程系教授、该研究的通讯作者 Jan Carel Diehl 表示：“通过自动化鸡蛋检测过程，Schistoscopy 和提出的诊断框架为快速、准确地诊断鸡蛋提供了一种有前途的解决方案。泌尿生殖系统血吸虫病，特别是在资源匮乏的地区。未来的研究将进一步验证该框架的性能，并将其与其他诊断方法(例如血吸虫循环抗原检测和基于 DNA 的检测)进行比较，以确定其在血吸虫病监测和控制中的作用。”

总体而言，这项工作是朝着改进诊断和抗击血吸虫病迈出的重要一步，血吸虫病是一种对流行地区弱势群体影响尤为严重的疾病。