Computer Vision

Malaria-Erkennung mit Deep Learning: ein CNN, das nur 3 von 1.300 Infektionen übersieht

27.558 Blutzell-Bilder, zwölf Modellvarianten, eine klinische Priorität - keine Infektion übersehen. Das Gewinnermodell erreicht 99,77 % Sensitivität und passt mit rund 724 KB aufs Smartphone. Ein MIT-Capstone, ehrlich gerechnet und mit reproduzierbarem Companion-Repository.

Guido Winger

12 Min. Lesezeit

Malaria wird bis heute so diagnostiziert wie vor hundert Jahren: Eine Fachkraft betrachtet einen Giemsa-gefärbten Blutausstrich unter dem Mikroskop und sucht Zelle für Zelle nach dem Parasiten. Das ist genau - aber langsam und knapp, gerade dort, wo die Krankheit am häufigsten ist. Die Frage dieses Projekts: Kann ein Deep-Learning-Modell eine einzelne rote Blutzelle zuverlässig als infiziert oder gesund einordnen - genau genug für den klinischen Einsatz und klein genug, um offline auf einem Smartphone zu laufen?

Der Datensatz

Grundlage sind 27.558 mikroskopische Bilder einzelner roter Blutzellen aus dem öffentlichen NIH Malaria Cell Image Dataset (Lister Hill National Center for Biomedical Communications der U.S. National Library of Medicine; Annotationen durch Expertinnen und Experten der Mahidol-Oxford Tropical Medicine Research Unit in Bangkok). Die Klassen sind nahezu ausgeglichen (50,4 % parasitiert / 49,6 % gesund). Trainiert wurde auf 24.958 Bildern (80/20-Split für Validierung), evaluiert auf einem strikt getrennten Testset von 2.600 Bildern - exakt 1.300 pro Klasse. Die Bilder sind unterschiedlich groß (Median ca. 130×130 px) und wurden auf 128×128 (eigene CNNs) bzw. 224×224 (VGG16) normiert.

Beispiel-Blutzellen aus dem Datensatz: parasitierte und gesunde rote Blutkörperchen — Beispiel-Blutzellen aus dem Trainingsset: parasitiert (rot) vs. gesund (grün). Der Parasit zeigt sich als kleiner dunkler Fleck.

Der Ansatz: zwölf Varianten, eine klinische Priorität

Statt eines einzigen Modells wurden zwölf Architekturvarianten gebaut und verglichen - jede nicht nur an der Genauigkeit gemessen, sondern an den Kennzahlen, die klinisch zählen: Sensitivität (wie viele echte Infektionen werden erkannt) und die absolute Zahl der verpassten Infektionen. Denn eine übersehene Malaria ist ungleich teurer als ein Fehlalarm.

Das Feld reichte von schlanken 3-Block-CNNs (Flatten vs. Global Average Pooling), über tiefere Netze mit BatchNorm und LeakyReLU, ein 5-Block-Netz („Model 2b"), Daten-Augmentierung, VGG16-Transfer-Learning (eingefroren und zweistufig feinjustiert) bis zu einer Farbraum-Studie (nur Sättigung, Farbton + Sättigung, volles HSV). Die Entscheidungen des Modells wurden zusätzlich mit GradCAM++ sichtbar gemacht.

Ergebnisse

Auf dem getrennten Testset (2.600 Bilder, 1.300 je Klasse):

Modell	Genauigkeit	Sensitivität	Spezifität	AUC	Verpasste Infektionen	Parameter
Model 2b - 5-Block-CNN (gewählt)	98,85 %	99,77 %	97,92 %	0,9995	3 / 1.300	724 K
HS-Only (Farbton + Sättigung)	98,88 %	99,08 %	98,69 %	0,9991	12 / 1.300	724 K
Basis-CNN (Global Average Pooling)	98,65 %	99,46 %	97,85 %	0,9991	7 / 1.300	55 K
VGG16 (feinjustiert)	97,62 %	98,77 %	96,46 %	0,9977	16 / 1.300	14,7 M

Vergleich aller zwölf Modellvarianten: Genauigkeit, Sensitivität und verpasste Infektionen — Alle zwölf Varianten im Vergleich - Genauigkeit, Sensitivität und verpasste Infektionen. Model 2b (rot) übersieht mit nur 3 die wenigsten Infektionen.

Auf die reine Genauigkeit hatte das HS-Only-Modell knapp die Nase vorn (98,88 %). Gewählt wurde trotzdem Model 2b - wegen der klinisch entscheidenden Kennzahl: 99,77 % Sensitivität, nur 3 verpasste Infektionen von 1.300 (AUC 0,9995, F1 0,9886). Auf INT8 quantisiert wiegt es rund 724 KB - klein genug für Inferenz direkt auf dem Gerät.

Was die Analyse tatsächlich zeigt

Kompakte eigene CNNs schlagen VGG16-Transfer-Learning. 14,7 Mio. Parameter auf rund 20.000 Trainingsbildern führten zu Overfitting; der Sprung von Mikroskopie- auf ImageNet-Domäne und das Hochskalieren von 130 auf 224 px kosteten mehr, als das große Netz einbrachte (98,85 % vs. 97,62 %).
Das diagnostische Signal steckt in der Farbe, nicht in der Helligkeit. Farbton + Sättigung allein erreichten die beste Genauigkeit; der Value-Kanal ergänzt verschlechterte das Ergebnis - ein Beleg dafür, dass die Giemsa-Färbung den Kontrast chromatisch kodiert.
Global Average Pooling schlägt Flatten: −81 % Parameter und höhere Sensitivität.
Manche „Fehler" sind Label-Rauschen. GradCAM++ zeigte bei Fehlalarmen fokale Aktivierung, die von echten Treffern nicht zu unterscheiden war - die tatsächliche Genauigkeit dürfte näher an 99,2 % liegen; begrenzt wird sie durch die Annotationsqualität, nicht durch die Architektur.

GradCAM++ und SmoothGrad Saliency-Karten von Model 2b auf parasitierten Blutzellen — GradCAM++ und SmoothGrad zeigen, worauf Model 2b schaut: die Aktivierung sitzt genau auf dem Parasiten - das Modell lernt die richtige Struktur, nicht Artefakte.

Vom Modell zum Einsatz - und was es (noch) nicht ist

Mit rund 724 KB ist das Modell für offline-Inferenz auf dem Smartphone gedacht - als Screening-Hilfe, nicht als Diagnosegerät. Es wurde auf einem einzigen öffentlichen Datensatz (P. falciparum) trainiert und braucht vor jedem realen Einsatz eine externe Validierung an mehreren Standorten sowie die fachliche Nachkontrolle der Fehlerfälle. Diese Grenzen gehören zum Ergebnis dazu - genau das ist der Unterschied zwischen einem Benchmark und einer belastbaren Aussage.

Reproduzierbarkeit & Verifikation

Der vollständige, ausgeführte Code (EDA, alle zwölf Modelle, Interpretierbarkeit) liegt im Companion-Repository: github.com/myBytesResearch/mit-capstone-gwinger. Das Projekt entstand als Capstone im Applied AI & Data Science Program der MIT Professional Education (verifizierbares Zertifikat).