在基于神经网络的唾液涂抹中对诺卡迪亚的临床查

科学领域:

• 医学诊断 医学诊断 医学诊断
• 计算生物学是一种计算生物学.
• 微生物学 微生物学

背景情况:

• 诺卡迪亚感染很罕见,但具有高度的致病性.
• 目前的诺卡迪亚查方法缺乏,导致诊断延迟和疾病进展.
• 准确及时检测诺卡迪亚对于有效的患者管理至关重要.

研究的目的:

• 利用神经网络开发和评估一种具有成本效益的诺卡迪亚查方法.
• 通过在唾液样本中快速检测,减少错过的诺卡迪亚诊断率.
• 为快速识别和定位诺卡迪亚病例提供一个工具.

主要方法:

• 从诺卡迪亚感染和非感染患者的液样本被收集和混合,以创建多样化的数据集.
• 进行了克拉姆染色,并在显微镜下捕获了唾液涂抹的图像.
• 在为Nocardia检测准备的数据集上训练和验证了一个神经网络模型.

主要成果:

• 神经网络在两个独立的数据集上实现了高分类准确率的97.3%和98.3%.
• 该模型展示了快速的诺卡迪亚检测,在每张图像大约24毫秒内识别出实例.
• 实现了0.780和0.841的平均平均精度 (mAP50),表明了强大的检测性能.

结论:

• 拟议的诺卡迪亚查方法准确有效地检测了格拉姆染色唾液涂抹图像中的诺卡迪亚.
• 该方法精确地定位了诺卡迪亚病例,帮助临床医生确认诊断.
• 这种基于神经网络的方法为改善诺卡迪亚诊断和患者结果提供了有希望的解决方案.