深層学習技術を用いたジール・ネルソン染色喀痰塗抹標本における結核菌の検出
Ozlem Genc1, Serpil Genc1, Cuneyt Ozdemir2
1Department of Medical Microbiology, Faculty of Medicine, Kutahya Health Science University, Kutahya, Türkiye.
まとめ
深層学習モデルは、結核菌の検出において有望であり、従来の検出方法を改善する可能性がある。これらのAIアプローチは、結核菌の診断において感度と利用可能性を高める。
科学分野:
- 医療診断;ヘルスケアにおける人工知能;微生物学
背景:
- 結核の診断は、従来、酸性固定染色を用いた喀痰の顕微鏡検査に依存していました。
- この従来の検査法は、リソースを大量に消費し、エラーが発生しやすく、感度が限られていました。
- 深層学習（DL）モデルは、抗酸菌（AFB）検出の進歩の可能性をもたらします。
研究 の 目的:
- 喀痰塗抹標本におけるAFB同定のためのDL手法の有効性を調査すること。
- 結核診断におけるDLモデルのパフォーマンスを評価すること。
- AFB検出における感度と利用可能性の改善を特定すること。
主な方法:
- 転移学習モデル（DenseNet201、ResNet101V2、Xception、InceptionResNetV2、InceptionV3）を利用しました。
- 精度、リコール、適合率、F1スコアを使用してモデルのパフォーマンスを評価しました。
- 酸性固定染色された喀痰標本におけるAFB検出に焦点を当てました。
主要な成果:
- InceptionV3およびXceptionモデルは最高のパフォーマンスを示しました。
- すべての評価指標で99.00%の精度を達成しました。
- AFB同定におけるDLの大きな可能性を示唆しました。
結論:
- 深層学習モデルは、結核菌の迅速かつ正確な検出に効果的です。
- DLは、結核診断のための従来の顕微鏡検査に代わる実行可能な選択肢を提供します。
- これらのAIツールは、結核診断の感度とアクセス性を向上させることができます。
