메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
Md Nayeem Hosen (Inje University) Tagne Poupi Theodore Armand (Inje University) Md Ariful Islam Mozumder (Inje University) Hee-Cheol Kim (Inje University)
저널정보
한국정보통신학회 한국정보통신학회 종합학술대회 논문집 한국정보통신학회 2023년도 추계종합학술대회 논문집 제27권 제2호
발행연도
2023.10
수록면
178 - 181 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Malaria, a life-threatening disease transmitted through the bite of infected female Anopheles mosquitoes, continues to pose a global health challenge, affecting millions of individuals annually. Traditional diagnostic methods, relying on the manual examination of blood smears to distinguish infected red blood cells, are time-consuming and prone to human errors, potentially leading to inaccurate diagnoses. This study utilizes the potential of advanced deep learning techniques, specifically the Convolutional Neural Network (CNN), to revolutionize malaria detection. The study introduces a novel, resilient deep learning framework utilizing a convolutional neural network (CNN). The purpose is to manually categorize individual cells in thin blood smears, typically present on regular microscope slides, into infected or uninfected classes. Through a cross-validation approach utilizing 27,560 single-cell images, the newly developed 16-layer CNN model showcases an impressive average accuracy of 92.04%. We meticulously preprocess the dataset to train the model and determine whether a cell is infected or uninfected. Furthermore, we explore CNN architectures, including pre-trained and custom models, to discern the most efficient model for accurate detection. Our study showcases a CNN-based model that efficiently distinguishes infected and uninfected samples within stained red blood cell(RBC) images.
#Malaria Detection #Deep Learning #Convolutional Neural Network (CNN) #Red Blood Cell(RBC)

목차

ABSTRACT
Ⅰ.Introduction
II. Literature Survey
III. Methodology
IV. EXPERIMENTAL RESULTS
V. Conclusion
ACKNOWLEDGEMENT

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Prevalence of asymptomatic malaria in high- and low-transmission areas of Tanzania: The role of asymptomatic carriers in malaria persistence and the need for targeted surveillance and control efforts
E ,  nest Mazigo ,  Hojong Jun 외 28명 Parasites, Hosts and Diseases 2025 .02
[BI-2] Image Classification with CNN for Malaria Diagnosis
Md Nayeem Hosen ,  Shah Muhammad Imtiyaj Uddin ,  Tagne Poupi Theodo 외 4명 INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING 2024 .01
Efficient Production of Plasmodium knowlesi Lactate Dehydrogenase from Bacteria for Diagnosis of Zoonotic Malaria
Min-Ji CHOI ,  Si-Eun YU ,  Han-Young CHO 외 1명 한국생물공학회 학술대회 2024 .09

최근 본 자료

전체보기

댓글(0)

0