边缘人工智能 (AI) 用于在移动显微镜中实时自动量化 filariasis

科学领域:

• 医学寄生虫学 医学寄生虫学
• 医疗保健中的人工智能
• 公共卫生技术 公共卫生技术

背景情况:

• 菲拉里病是一种被忽视的热带疾病,在热带地区构成了重大公共卫生挑战.
• 目前的诊断方法如显微镜是耗时的,需要专门的专业知识,限制了可访问性.
• 人工智能 (AI) 为自动检测和微细菌区分提供了一个潜在的解决方案.

研究的目的:

• 开发和验证一个边缘AI系统,在智能手机上实时诊断 filariasis.
• 为了满足世界卫生组织对淋巴状细菌病诊断的目标产品概况.
• 为了能够准确地检测和分类微细菌的物种,无需互联网连接.

主要方法:

• 一个对象检测算法 (SSD MobileNet V2) 被训练并使用显微镜血液样本数据进行验证.
• 开发了一个边缘AI系统,将算法集成到连接到光学显微镜的智能手机摄像头中.
• 该系统在现实环境中使用增强显微镜进行了临床验证.

主要成果:

• 人工智能系统在10倍放大时成功检测到微细菌,并在40倍放大时区分了四种物种 (Loa loa,Mansonella perstans,Wuchereria bancrofti,Brugia malayi).
• 选算法实现了94.14%的精度,91.90%的回忆率和93.01%的F1得分.
• 该物种差异化算法实现了95.46%的精度,97.81%的回忆率和96.62%的F1得分.

结论:

• 开发的基于智能手机的边缘人工智能系统为 filariasis 诊断提供了创新的解决方案.
• 这项技术可以显著支持 filariasis 诊断和监测,特别是在资源有限的环境中.
• 该系统为被忽视的热带疾病提供实时,准确和可访问的诊断能力.