疟原虫识别新模型

识别准确率超94%

基于YOLOv3的深度学习工具，快速准确识别恶性疟原虫，适合资源有限地区使用。

He, Wei · Zhu, Huiyin · 吴凯 · 谢莉 · 李健 · 杨海麟

Frontiers in Microbiology 2025

参数信息

识别准确率

94.41 %

假阴性率

1.68 %

假阳性率

3.91 %

技术优势

识别准

在262张测试图像上达到94.41%的总体准确率，漏检和误报都控制在较低水平。

漏检少

假阴性率仅1.68%，意味着绝大多数感染红细胞都能被检出，降低漏诊风险。

误报少

假阳性率3.91%，非疟原虫目标被误判的比例较低，减少不必要的复查。

应用场景

• 疟疾诊断：在资源有限地区替代人工镜检，快速筛查疟原虫感染。
• 血液寄生虫检测：自动识别薄血膜中的感染红细胞，减少人工计数负担。
• AI辅助诊断：为显微镜检查提供AI辅助判读，提高诊断效率和一致性。