JoVE
JoVE
Centro de Recursos para Docentes
Pesquisa
Comportamento
Bioquímica
Biologia
Bioengenharia
Pesquisa do Câncer
Química
Biologia do Desenvolvimento
Engenharia
Ambiente
Genética
Imunologia e Infecção
Medicina
Neurociência
JoVE Journal
JoVE Encyclopedia of Experiments
JoVE Chrome Extension
Educação
Biologia
Química
Clinical
Engenharia
Ciências Ambientais
Pharmacology
Física
Psicologia
Estatística
JoVE Core
JoVE Science Education
JoVE Lab Manual
JoVE Quiz
JoVE Business
Videos Mapped to your Course
Autores
Bibliotecários
Ensino Médio
Sobre
Sign-In
Entrar
Entre em contato
Pesquisa
JoVE Journal
JoVE Encyclopedia of Experiments
Educação
JoVE Core
JoVE Science Education
JoVE Lab Manual
Ensino Médio
PT
EN - English
CN - 中文
DE - Deutsch
ES - Español
KR - 한국어
IT - Italiano
FR - Français
PT - Português
PT
EN - English
CN - 中文
DE - Deutsch
ES - Español
KR - 한국어
IT - Italiano
FR - Français
PT - Português
Close
Pesquisa
Comportamento
Bioquímica
Bioengenharia
Biologia
Pesquisa do Câncer
Química
Biologia do Desenvolvimento
Engenharia
Ambiente
Genética
Imunologia e Infecção
Medicina
Neurociência
Products
JoVE Journal
JoVE Encyclopedia of Experiments
Educação
Biologia
Química
Clinical
Engenharia
Ciências Ambientais
Pharmacology
Física
Psicologia
Estatística
Products
JoVE Core
JoVE Science Education
JoVE Lab Manual
JoVE Quiz
JoVE Business
Vídeos mapeados para o seu curso
Teacher Resources
Get in Touch
Instant Trial
Log In
PT
EN - English
CN - 中文
DE - Deutsch
ES - Español
KR - 한국어
IT - Italiano
FR - Français
PT - Português
Journal
/
Bioengenharia
/
AI Program for Trypanosomiasis Detection and Classification
/
Superior Auto-Identification of Trypanosome Parasites by Using a Hybrid Deep-Learning Model
JoVE Journal
Bioengenharia
Author Produced
É necessária uma assinatura da JoVE para visualizar este conteúdo.
Faça login ou comece sua avaliação gratuita.
JoVE Journal
Bioengenharia
Superior Auto-Identification of Trypanosome Parasites by Using a Hybrid Deep-Learning Model
Superior Auto-Identification of Trypanosome Parasites by Using a Hybrid Deep-Learning Model
AI Program for Trypanosomiasis Detection and Classification
DOI:
10.3791/65557-v
•
01:29 min
•
October 27, 2023
•
Veerayuth Kittichai
,
Morakot Kaewthamasorn
,
Suchansa Thanee
,
Thanyathep Sasisaowapak
,
Kaung Myat Naing
,
Rangsan Jomtarak
,
Teerawat Tongloy
,
Santhad Chuwongin
,
Siridech Boonsang
1
Faculty of Medicine
,
King Mongkut’s Institute of Technology Ladkrabang
,
2
Veterinary Parasitology Research Unit, Faculty of Veterinary Science
,
Chulalongkorn University
,
3
College of Advanced Manufacturing Innovation
,
King Mongkut’s Institute of Technology Ladkrabang
,
4
Faculty of Science and Technology
,
Suan Dusit University
,
5
Department of Electrical Engineering, School of Engineering
,
King Mongkut’s Institute of Technology Ladkrabang
Tags
Trypanosome
Trypanosoma Cruzi
T. Brucei
T. Evansi
Deep Learning
Object Detection
Object Classification
Microscopic Images
AI Model
Hybrid Deep Learning
CiRA CORE
Trypanosomiasis
Automated Screening
Microscopic Examination
Pattern Recognition
Attention Map
Accuracy
Recall
Specificity
Precision
F1 Score
ROC
PR Curves
Embed
ADICIONAR À PLAYLIST
Usage Statistics
Vídeos Relacionados
check_url/pt/65557?article_type=v
Superior Auto-Identification of Trypanosome Parasites by Using a Hybrid Deep-Learning Model
check_url/pt/65557?article_type=v
Training Process CiRA CORE Platform and Object Detection Model Evaluation to Identify and Classify the Protozoan Trypanosome Species
check_url/pt/65557?article_type=v
Image Classification as Model Training and Model Evaluation to Identify and Classify the Protozoan Trypanosome Species
check_url/pt/65557?article_type=v
Hybrid (Detection and Classification) as Model Testing to Identify and Classify the Protozoan Trypanosome Species
Read Article