Малярия - опасное для жизни заболевание, вызываемое паразитами, которые передаются людям через укусы инфицированных самок комаров Anopheles. Это предотвратимо и излечимо. Малярия вызывает симптомы, которые обычно включают жар, усталость, рвоту и головные боли. В тяжелых случаях это может вызвать пожелтение кожи, судороги, кому или смерть.

Малярия была одной из основных причин смерти в Африке, и возможность классифицировать изображения инфицированных малярией клеток с помощью сверточных нейронных сетей имеет решающее значение для быстрой диагностики малярии.

В общей сложности было собрано 27 558 изображений для разработки модели глубокого обучения, которая может точно предсказать, какая клетка инфицирована малярией, а другая не инфицирована малярией. Общее количество изображений, используемых для обучения модели, составляет 22 076, а для проверки модели - 5 512 изображений.

Одним из важных моментов при предварительной обработке данных было изменение размера изображений клеток малярии, поскольку изображения были разных размеров. Размер изображений был уменьшен до 50 на 50.

Из изображений клеток, инфицированных малярией, и изображений неинфицированных клеток можно увидеть, что на изображениях клеток можно наблюдать небольшой сгусток инфицированных клеток, и что неинфицированные клетки чистые, без каких-либо сгустков на изображении клеток.

Для построения сверточной нейронной сети использовалась структура глубокого обучения Keras. Необходимые библиотеки были импортированы из Keras для обучения модели.

Оптимизатором, используемым для обучения модели, был «Адам», и модель была обучена и проверена на протяжении двадцати пяти (25) эпох.

Модель имела точность 1,00 на наборе поездов и точность 1,00 на наборе для проверки. Это показывает, что модель предсказывает и может предсказать, инфицирована ли клетка малярией или нет.

Матрица неточностей и отчет о классификации подтверждают, что модель точно предсказывает и может точно предсказать, инфицирована ли клетка малярией или нет.

Все программирование выполнялось на ядрах Kaggle, поскольку они предлагали бесплатный графический процессор, и не было необходимости загружать набор данных, потому что он уже находится на Kaggle. Я бы посоветовал вам использовать ядра Kaggle из-за его бесплатного графического процессора или вы можете использовать Google Colab. Полную ссылку на код можно найти здесь, а получить доступ к набору данных на Kaggle можно здесь.

Спасибо, что прочитали статью. Пожалуйста, поделитесь своими комментариями и отзывами по этому поводу.