图像:一种新的自动化系统用于疟疾诊断,使用人工智能工具和通用低成本机器人显微镜
Carles Rubio Maturana1,2, Allisson Dantas de Oliveira3, Sergi Nadal4
1Microbiology Department, Vall d'Hebron University Hospital, Vall d'Hebron Research Institute (VHIR), Barcelona, Spain.
Frontiers in microbiology
|December 11, 2023
概括
这项研究开发了一个人工智能驱动的用于疟疾诊断的自动化系统,使用血液涂抹的数字图像分析. 该系统在检测Plasmodium寄生虫方面取得了很高的准确性,提供了更快,更容易获得的诊断工具.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 计算机科学 计算机科学
- 寄生虫学的寄生虫学
背景情况:
- 疟疾仍然是一个重大的全球卫生挑战,特别是在撒哈拉以南非洲.
- 目前通过光学显微镜进行的黄金标准诊断是劳动密集型的,需要专门的专业知识.
- 迫切需要自动化,准确和易于使用的疟疾诊断工具.
研究的目的:
- 开发和评估人工智能 (AI) 驱动的自动疟疾诊断系统.
- 评估各种物体检测神经网络在血液涂抹图像中检测菌寄生虫的性能.
- 将基于人工智能的图像分析与机器人显微镜集成,实现完全自动化的诊断工作流.
主要方法:
- 训练了YOLOv5x,更快的R-CNN,SSD和RetinaNet神经网络在2571个标记厚血涂抹图像的数据集上.
- 我们比较了YOLOv5x的性能,其中包括用于检测Plasmodium寄生虫的注意力模块.
- 开发了一种具有自动聚焦和幻灯片跟踪能力的机器人显微镜原型.
- 将预测模型集成到智能手机应用程序 (iMAGING) 中,用于基于图像的诊断.
主要成果:
- YOLOv5x获得了高性能,92.79%的F-score用于整体的Plasmodium检测和高F-score用于白细胞 (99.0%),早期的热细胞 (88.6%) 和成熟的热细胞 (87.3%).
- 注意模块没有比原始YOLOv5x模型产生统计学上显著的改进.
- 综合系统展示了完全自动诊断的能力,包括寄生虫水平的确定.
结论:
- 开发的人工智能驱动的自动化系统与机器人显微镜和智能手机应用程序集成,为疟疾诊断提供了最佳解决方案.
- 这项技术可以为全球打击疟疾和其他传染病的努力做出重大贡献.
- 该系统为改善资源有限的环境中的诊断可访问性和效率提供了一个有希望的途径.
