Effectiveness of Convolutional and Capsule network in Malaria Parasite Detection

Classificações Explicáveis para Imagens de Células Infectadas por Malária

“…O procedimento de treino descrito na seção anterior resultou em uma ResNet50 com acurácia de aproximadamente 96% para as imagens do conjunto de teste. Este valoré comparávelàqueles apresentados na literatura [Rajaraman et al 2018] [Sayyed et al 2019], parecendo ser próximo ao máximo esperado para o desempenho desta arquitetura na classificação de imagens contidas na base de dados analisada. Por sua vez, a Figura 4 mostra a matriz de confusão resultante da aplicação do modelo implementado para os dados do conjunto de teste.…”

“…Consequentemente, a principal forma de diagnóstico para esta doença envolve a identificação de células infectadas por um microscopista treinado. Adicionalmente, ressalta-se que o diagnóstico rápido desta enfermidade, em seus estágios iniciais,é tido como um dos principais fatores para um tratamento efetivo [Sayyed et al 2019]. Esses aspectos, contudo, aumentam a demanda por centros de diagnóstico com patologistas treinados para esta tarefa.…”

“…Por sua vez, países do continente Africano concentram uma carga desproporcionalmente alta dos casos de malária, tendo sido os responsáveis por 92% do total de casos notificados e por 93% das mortes registradas. Dados os altosíndices de infecção por malária, a demanda por centros com patologistas treinados pode se tornar insustentável em alguns casos, especialmente em países de baixa renda [Sayyed et al 2019].…”

“…A acurácia obtida foi cerca de 95%, utilizando validação cruzada 5-fold. Similarmente, Sayyed et al (2019) também obtiveram acurácias de aproximadamente 95% na mesma base de dados, utilizando modelos customizados de redes neurais convolucionais (Convolutional Neural Network -CNN) e Capsule Networks.…”

“…Como discutido anteriormente, a arquitetura escolhidaé a ResNet50 e a estratégia para geração de explicações inclui as técnicas LIME e SquareGrid. Consequentemente, ressalta-se que o foco principal do presente trabalho nãoé necessariamente treinar uma rede com uma acurácia mais alta que todas as anteriores, mas sim treinar uma rede com acurácia similarmente alta em relaçãoàquelas da literatura [Rajaraman et al 2018] [Sayyed et al 2019], e torná-la mais transparente ao estudar seu comportamento com técnicas de XAI.…”