本文旨在向中国研究人员介绍一项关于利用深度学习技术自动检测疟疾寄生虫的最新研究成果。本研究提出了一种基于预训练卷积神经网络ConvNeXT并结合可视化解释（Visual Explanation）的新型方法，用于从薄血涂片图像中自动、准确地识别疟疾寄生虫。以下是对这项研究的全面学术报告。
第一， 研究作者、机构及发表情况
本研究由 Jay S. Nasriwala, Yash K. Mistry, Malhar P. Mangtani, Shivam R. Mishra, Mayuri A. Mehta 和 Dheeraj Kumar Singh 共同完成。前五位作者来自印度苏拉特市Sarvajanik工程与技术学院计算机工程系，通讯作者Dheeraj Kumar Singh来自印度阿南德市Charutar Vidya Mandal大学A. D. Patel理工学院信息技术系。相关研究成果已发表于2025年国际计算智能新兴技术会议（2025 International Conference on Emerging Techniques in Computational Intelligence, ICETCI）的会议论文集中。
第二， 学术研究背景与目标
科学领域： 本研究属于医学信息学（Health Informatics）、计算机视觉（Computer Vision）与可解释人工智能（Explainable AI, XAI）的交叉领域，具体聚焦于利用深度学习进行自动化疾病诊断。
研究动机与背景知识： 疟疾至今仍是全球面临的严重公共卫生威胁。世界卫生组织（WHO）2024年报告指出，2023年全球约有2.63亿疟疾病例和近60万死亡病例。显微镜检查是诊断疟疾的常用方法，但其准确性高度依赖检验人员的专业经验和技能，易受疲劳、人为误差等因素影响，且存在耗时、昂贵、需要先进实验室基础设施等局限性。其他检测方法如快速诊断测试（RDT）易受环境因素干扰且在寄生虫密度低时灵敏度不足，聚合酶链式反应（PCR）虽然准确但成本高、耗时长，难以在资源有限地区推广。
为克服人工检测的弊端，已有研究探索使用深度学习模型实现自动化检测。例如，有研究使用VGG-19模型达到了91.79%的准确率，但该模型参数庞大、训练较慢。使用ResNet-50模型的研究实现了95%的准确率，但其可能忽略对检测显微图像中寄生虫至关重要的细粒度空间特征。另有研究采用EfficientNetB0集成方法达到了98.29%的准确率，但其复杂性给实时部署带来了挑战。当前研究面临的主要问题包括：公开数据集多样性有限、显微血液细胞图像存在差异（如染色不均、成像伪影等）、以及深度学习模型固有的“黑箱”特性使得医疗专业人员难以理解和信任其决策过程。
研究目标： 针对上述挑战，本研究旨在提出一种新颖的、结合了可视化解释的自动化疟疾寄生虫检测方法。具体目标包括：1) 利用先进的预训练CNN模型ConvNeXT来提升检测的准确性；2) 通过图像预处理和数据增强技术来提高模型对图像变化的鲁棒性和泛化能力；3) 采用Grad-CAM++技术生成可视化解释，以阐明模型的决策依据，提高模型的透明度与可信度，从而促进其在临床环境中的接受度。
第三， 详细研究流程与方法
本研究的工作流程主要包括六个步骤：数据获取、预处理、数据增强、特征提取与分类、以及可视化解释。整个流程如论文中图2所示。
1. 数据获取： 研究采用的数据集来自美国国立卫生研究院下属的Lister Hill国家生物医学通信中心（NLM-LHNCBC）。该数据集名为“NLM-Malaria”，共包含27,560张显微血液细胞图像，分为两个类别：感染（Parasitized）与未感染（Uninfected）。所有图像均为显示疟原虫（Plasmodium falciparum）的薄血涂片图像。
2. 预处理： 由于原始图像尺寸不一，为满足ConvNeXT模型的输入要求，对所有图像进行了统一的缩放操作，将每张图像的尺寸调整为224×224像素。
3. 数据增强： 为增加训练数据的多样性和数量，防止模型过拟合，对预处理后的训练集图像进行了四种数据增强操作：水平翻转（Horizontal Flip）、垂直翻转（Vertical Flip）、90度旋转（Rotation by 90°）以及仿射变换（Affine Transform，包括0.1的平移和0°旋转）。经过增强后，训练图像数量从原始的24,960张增至49,920张，其中80%用于训练，20%用于验证。测试集保持不变，包含2,600张图像。
4. 特征提取与分类（使用ConvNeXT模型）： 本研究采用预训练的ConvNeXT Base模型作为核心分类器。ConvNeXT是一种专为与视觉Transformer竞争而设计的卷积神经网络，它在保持CNN简洁高效的同时，结合了Vision Transformer的一些设计理念。其架构包含以下关键组件： * Stem Out块： 接收224x224x3的输入图像，执行核大小为4x4、步长为4的卷积操作，后接层归一化（Layer Normalization）。 * ConvNeXT块： 这是模型的核心构建块，包含深度可分离卷积（Depth-wise Convolution）、1x1卷积、层归一化以及高斯误差线性单元（GELU）激活函数。ConvNeXT Base模型采用了分阶段的结构，各阶段的块数比例为3:3:27:3。 * 全连接层与Softmax： 最后一个ConvNeXT块的输出被展平后，送入一个全连接层，最后通过Softmax激活函数输出分类概率（感染或未感染）。
模型训练持续30个周期（Epoch），批量大小（Batch Size）设为64。使用二元交叉熵损失函数（Binary Cross-Entropy Loss）和AdamW优化器进行优化，初始学习率设置为0.0001。为防止过拟合，采用了早停法（Early Stopping），并在第11个周期触发停止。所有实验均在Kaggle T4 x2 GPU（每个15GB显存，总计29GB RAM）平台上使用PyTorch框架完成。
5. 可视化解释（使用Grad-CAM++）： 为了提高模型决策的透明度，本研究采用Grad-CAM++（Gradient-weighted Class Activation Mapping++）技术生成可视化热图（Heatmap）。Grad-CAM++是对经典Grad-CAM的改进，它通过考虑高阶梯度（二阶和三阶偏导数）和引入像素级加权机制，能够生成更精确、更细粒度的定位热图，尤其适用于处理图像中可能存在多个同类实例（如多个寄生虫）的情况。 其基本原理是：计算目标类别得分相对于最后一个卷积层特征图的梯度。然后，根据公式（论文中公式1）计算每个像素位置的加权因子α_ij^kc，该因子反映了该像素对类别得分的局部空间重要性。接着，根据公式（论文中公式2）计算特征图中每个通道的权重W_k^c。最后，将这些权重与对应的特征图进行加权线性组合，并通过ReLU激活函数得到类激活图（Class Activation Map），如公式（论文中公式3）所示。最终，将该类激活图上采样至原始输入图像尺寸，并叠加在原始图像上，生成直观的热图，以高亮显示模型做出分类决策时所关注的最相关图像区域。
第四， 主要研究结果与分析
研究通过一系列标准评估指标来衡量模型性能，包括准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1分数（F1-Score）和ROC曲线下面积（ROC-AUC）。
1. 模型性能对比结果： 本研究提出的基于ConvNeXT的方法，与VGG-19、ResNet-18、ResNet-34、ResNet-50和EfficientNetV2这五种预训练模型进行了全面的性能比较。结果如表III和表IV所示。 * 训练阶段： ConvNeXT模型取得了最佳的综合性能，训练准确率达到99%，精确率、召回率和F1分数均为0.99，ROC-AUC高达0.9999，全面优于其他对比模型。 * 测试阶段： ConvNeXT模型同样表现优异，测试准确率达到98%，精确率、召回率和F1分数均为0.98（感染类精确率0.98，召回率0.97；未感染类精确率0.97，召回率0.98），ROC-AUC为0.9964。虽然EfficientNetV2在测试集上的ROC-AUC（0.9971）略高于ConvNeXT，但ConvNeXT在准确率、精确率、召回率和F1分数上均表现最佳或并列最佳。论文指出，ConvNeXT的性能“略优于”（slightly better than）其他对比模型。
这些对比结果有力地支持了选择ConvNeXT作为特征提取和分类核心模型的合理性，表明其架构（如大卷积核、深度可分离卷积、层归一化等设计）在捕捉薄血涂片图像中细微特征方面具有优势。
2. 训练过程与模型诊断： 论文中的图3展示了训练和测试过程中损失（Loss）和准确率（Accuracy）随周期（Epoch）变化的曲线。曲线显示，损失值稳步下降，准确率快速上升并趋于平稳，表明模型学习过程稳定且收敛良好。早停法的应用也在第11周期有效终止训练，避免了过拟合，提高了计算效率。 图4展示了训练和测试的ROC曲线，其较高的AUC值（接近1）表明模型在区分感染与未感染细胞方面具有强大的判别能力。 图5的混淆矩阵进一步量化了模型的分类能力。以测试集为例（图5b），模型正确分类了大部分样本，仅有少量误判，直观证实了其高准确性。
3. 可视化解释结果： 图6展示了Grad-CAM++为ConvNeXT模型预测生成的可视化热图示例。对于被分类为“感染”的细胞图像，热图清晰地高亮了寄生虫所在的区域；对于“未感染”的细胞图像，热图则显示模型关注的是红细胞本身的形态结构，而非异常区域。这一结果为模型的“黑箱”决策提供了直观的“解释”，表明模型的注意力确实聚焦于与病理相关的图像特征上，而非无关背景。这极大地增强了模型预测结果的可信度和可接受性，是本研究的一个关键贡献。
逻辑关系分析： 数据增强和预处理步骤为模型提供了更丰富、更统一的输入，这是ConvNeXT模型能够取得高精度训练结果（99%）的基础。高精度的训练模型是生成可靠测试结果（98%）和有效可视化解释的前提。而可视化解释的结果又反过来验证了模型内部决策机制的合理性，形成了一个“高性能-可解释”的良性闭环，共同支持了研究结论。
第五， 研究结论与价值
结论： 本研究表明，利用预训练的ConvNeXT模型并结合Grad-CAM++可视化解释，能够实现可靠且可解释的疟疾寄生虫自动检测。该方法在NLM-Malaria数据集上达到了99%的训练准确率和98%的测试准确率，性能优于VGG-19、ResNet系列及EfficientNetV2等经典模型。即使图像中存在多个感染区域，该方法也能保持良好的检测性能。Grad-CAM++的引入显著提升了模型的透明度和可解释性，使其更适用于对决策可信度要求极高的现实世界临床辅助诊断场景。
价值与意义： * 科学价值： 本研究将先进的CNN架构（ConvNeXT）与可解释AI技术（Grad-CAM++）有机结合，为医学图像分析领域提供了一个高性能且可解释的深度学习解决方案范例。它验证了在追求高准确率的同时，通过可视化工具破解模型“黑箱”的可行性与重要性。 * 应用价值： 该研究为开发自动化、低成本、快速且可靠的疟疾辅助诊断工具提供了技术基础。特别是在医疗资源匮乏、专业显微镜检验人员短缺的地区，此类系统具有巨大的应用潜力，可帮助提高疟疾诊断的效率和一致性，降低对人员经验的过度依赖，从而可能挽救更多生命。
第六， 研究亮点
第七， 其他有价值的内容
研究在讨论部分也指出了当前方法的局限性及未来方向： * 局限性： 模型在极低质量的图像上偶尔仍会出现错误预测。此外，由于仅使用单一数据集进行训练，模型在实时分析或面对更广泛临床环境中的图像变异时可能面临挑战。 * 未来工作： 作者提出了有前景的未来研究方向，包括：1) 扩展方法以检测全部五种疟疾寄生虫种类；2) 开发一个集成的便携式系统，能够从薄血涂片图像中自动识别红细胞（RBCs），进行逐个细胞的检测，并统计感染细胞的数量。这将使系统从单纯的二分类工具升级为更全面的定量分析工具，具有更高的临床应用价值。