Video Experimental Relacionado
Updated: Feb 26, 2026
08:56
Visual Detection of Multiple Nucleic Acids in a Capillary Array
Published on: November 15, 2017
7.8K
Algoritmo de aprendizaje automático basado en You Only Look Once (YOLO) para la detección en tiempo real de
Biniyam Mezgebo1, Ryan Chaffee1, L Ricardo Castellanos1
1Department of Biomedical Sciences, Ross University School of Veterinary Medicine, Basseterre, Saint Kitts and Nevis.
PloS one
|February 24, 2026
Resumen
La clasificación automatizada de los resultados de la amplificación isotérmica mediada por bucle (LAMP) mediante aprendizaje automático (ML) y el análisis de imágenes YOLOv8 mejora significativamente la precisión. Este enfoque mejora los diagnósticos moleculares en tiempo real al reducir los errores en la interpretación visual.
Área de la Ciencia:
- Biología Molecular
- Biotecnología
- Inteligencia Artificial
Sus antecedentes:
- La amplificación isotérmica mediada por bucle (LAMP) es una técnica rápida y asequible de amplificación de ADN.
- La interpretación visual de los resultados de LAMP es subjetiva y propensa a errores, lo que afecta la precisión diagnóstica.
Objetivo del estudio:
- Desarrollar un enfoque automatizado de aprendizaje automático (ML) para clasificar los resultados de LAMP utilizando imágenes digitales.
- Mejorar la precisión y fiabilidad de los diagnósticos moleculares basados en LAMP.
Principales métodos:
- Se utilizó You Only Look Once (YOLOv8), un algoritmo de detección de objetos, para la localización y clasificación automatizada de tubos en imágenes LAMP.
- Se entrenó y probó el modelo YOLOv8 con imágenes digitales de ensayos LAMP.
Principales resultados:
- El modelo de ML logró una precisión general del 97,4% en la clasificación de imágenes LAMP como positivas o negativas.
- Alta precisión (95,3%) y recall (96,8%) para casos positivos, y un sólido rendimiento para casos negativos (precisión del 93,3%, recall del 95,8%).
Conclusiones:
- El enfoque de ML propuesto ofrece una solución robusta para la interpretación automatizada y objetiva de los resultados de LAMP.
- Se demostró la idoneidad de la plataforma para pruebas moleculares en tiempo real, mejorando el rendimiento del ensayo y reduciendo los errores de diagnóstico.
