深度学习在临床环境中的应用,用于检测和分类细血中疟疾寄生虫
Geng Wang1, Guoju Luo1, Heqing Lian2
1Department of Clinical Laboratory, Peking Union Medical College Hospital, Beijing, China.
Open forum infectious diseases
|November 8, 2023
概括
这项研究开发了一种人工智能算法,用于在血液涂抹中识别疟疾寄生虫,实现高精度. 该工具可以帮助诊断疟疾,特别是在专家分析稀缺的地方.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 医疗保健中的人工智能
- 寄生虫学的寄生虫学
背景情况:
- 在薄薄的血涂片中准确识别Plasmodium物种至关重要,但由于注释数据有限,因此具有挑战性.
- 专家级别对疟疾寄生虫的区分需要专门的技能,并且耗时.
研究的目的:
- 开发和评估一种深度学习算法,用于识别和分类细血涂抹中的疟疾寄生虫.
- 评估AI模型在疟疾诊断中的性能和临床实用性.
主要方法:
- 一个You Only Look Once v7 (YOLOv7) 深度学习模型被训练在12,708张薄型血液涂抹图像上.
- 该数据集包括来自人类和子血液样本的各种Plasmodium物种 (P. falciparum,P. vivax,P. malariae,P. ovale,P. knowlesi,P. cynomolgi).
- 该算法使用精度,回忆,灵敏度,特异性和ROC曲线下的面积等指标进行了评估.
主要成果:
- 人工智能算法在13秒内发现了1116种疟疾寄生虫,平均每种寄生虫0.01秒.
- 达到0.902的平均精度,感染红细胞的回忆和精度分别为96.0%和94.9%.
- 显示出高灵敏度 (>96.8%) 和特异性 (>99.3%),对热和热的性能优越 (灵敏度97.8%,特异性99.8%).
结论:
- 开发的深度学习算法在识别和分类疟疾寄生虫方面表现出高的准确性和效率.
- 这种人工智能工具有可能在疟疾寄生虫的临床和形态检查中发挥重要作用.
- 该算法可以改善疟疾诊断,特别是在资源有限的环境中,缺乏专家显微镜师.
