A schistosomiasis dataset with bright- and darkfield images
Notice bibliographique
Résumé
Schistosomiasis is a neglected tropical disease (NTD) that threatens 700 million and impacts 250 million people per year.The disease is caused by blood flukes of the genus Schistosoma, which enter the human body through contact with infected water.One species, S. haematobium, sheds eggs through the urinary tract, and can thus be diagnosed by examining urine samples for these eggs.Because concentrations of schistosomiasis infection are highly localized and are often in remote areas, rapid and robust field diagnosis is crucial to both individual diagnosis and the mapping that informs control efforts.Artificial intelligence (AI) algorithms, if properly designed, can speed up and improve both diagnosis and mapping through scalable, accurate analysis of images of urine samples.To develop such algorithms, we offer the dataset described here.It consists of paired bright-and darkfield images of urine samples collected in two distinct field studies in Côte d'Ivoire, Africa.There are images from 728 patients, of whom 151 were schisto-positive and contain S. haematobium eggs.Crucially, each patient has sufficient images to diagnose S. haematobium infection, so the dataset can be used to realistically test the diagnostic value of algorithms for clinical use.The division into two studies allows testing of algorithm generalizability.Due to exigencies of the data collection protocol, the images display a variety of qualities, from clear to blurry, which further allows testing of algorithm robustness to realistic noise.The dataset is thus well-suited to developing algorithms that can be of concrete value in schistosomiasis control efforts.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».