基于深度学习的细菌殖民地检测注释数据集.
László Makrai1, Bettina Fodróczy1,2, Sára Ágnes Nagy2
1Department of Microbiology and Infectious Diseases, University of Veterinary Medicine, 1143, Budapest, Hungary.
Scientific data
|July 28, 2023
概括
使用人工智能自动计算细菌殖民地,显著加快了微生物学的常见任务. 这项研究为开发人工智能工具来计算细菌殖民地提供了有价值的数据集,有助于兽医重要性和食品卫生方面的研究.
科学领域:
- 微生物学 微生物学
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 准确的细菌量化在传染病学和食品卫生等领域至关重要.
- 传统的从培养物中计数细菌殖民地是手动的,耗时的,劳动密集的.
- 自动化这个过程可以提高微生物学研究的效率和准确性.
研究的目的:
- 开发和评估一种使用卷积神经网络 (CNN) 计算细菌殖民地的自动化方法.
- 创建一个全面的细菌培养数据集,用于训练和验证人工智能模型.
主要方法:
- 在固体介质上培养了24种具有兽医意义的细菌物种,度不同.
- 捕获了369张细菌培养的数字图像.
- 使用边框手动注释了总共56,865个细菌殖民地.
主要成果:
- 产生了大量的细菌殖民地注释数据集.
- 数据集包括各种细菌物种和度的图像.
- 这一数据集适合用于训练人工智能模型进行自动化殖民地计数.
结论:
- 开发的数据集是推动人工智能驱动的自动化在细菌殖民地计数的宝贵资源.
- 这项工作有助于开发更高效,更准确的微生物分析工具.
- 该数据集将支持未来对微生物学人工智能应用的研究.


