الخلفية: تعد الملاريا مرضًا خطيرًا ومحفوفًا بالمخاطر، ويُسببه طفيلي البلازوديوم، وتُسهم في أكثر من 600,000 حالة وفاة عالميًا. يُعد الكشف المبكر والدقيق عن طفيليات الملاريا أمرًا حاسمًا لضمان العلاج الفعّال، إلا أن المجهر التقليدي يعاني من قيود تتعلق بالتباين والكفاءة.الطرق: نقترح إطارًا جديدًا للكشف المدعوم بالحوسبة يعتمد على التعلم العميق وآليات الانتباه، ويعزز نماذج YOLO-SPAM وYOLO-PAM. يُمكّن هذا النهج من كشف طفيليات الملاريا وتصنيفها عبر جميع مراحل العدوى، ويدعم أيضًا تحديد الأنواع المتعددة.النتائج: تم تقييم الإطار على ثلاث مجموعات بيانات متاحة للجمهور، وأظهر دقة عالية في كشف أربع أنواع مختلفة من طفيليات الملاريا ومرحلتها الحياتية. وتشير التحليلات المقارنة مع الأساليب الرائدة في المجال إلى تحسينات كبيرة في معدلات الكشف وفعالية التشخيص.الاستنتاج: تقدّم هذه الدراسة حلًا قويًا للكشف التلقائي عن الملاريا، ويُوفّر دعمًا قيّمًا للعلماء المرضيّين، ويعزّز ممارسات التشخيص في السياقات الواقعية.