在微生物学快速现场评估中深度学习的临床细菌数据集
Xiuli Wang1,2, Yinghan Shi1,2, Shasha Guo3,4
1College of Pulmonary and Critical Care Medicine, Chinese PLA General Hospital, Beijing, China.
Scientific data
|June 8, 2024
概括
这项研究引入了新的临床细菌图像数据集,用于肺部感染的自动识别. 开发的算法旨在提高微生物快速现场评估 (M-ROSE) 的速度和准确性,用于诊断肺部感染.
科学领域:
- 医学微生物学 医学微生物学
- 计算病理学计算病理学
- 人工智能在医学中的应用
背景情况:
- 微生物学快速现场评估 (M-ROSE) 帮助通过显微镜诊断肺部传染病.
- 自动识别病原体对于提高M-ROSE的效率和准确性至关重要.
- 现有的深度学习研究往往缺乏临床数据,并专注于培养的细菌.
研究的目的:
- 开发和验证用于从临床标本中自动识别细菌的深度学习算法.
- 创建一个全面的数据集的格兰氏菌染色细菌从下呼吸道感染的研究.
- 为临床M-ROSE应用进行检测和细分网络的基准测试.
主要方法:
- 从2018-2022年使用M-ROSE从患有肺部感染的患者中收集的Gram染色细菌图像.
- 创建了一个由1705张非敏感化图像 (4,912 × 3,684像素) 组成的数据集.
- 手动标记和区分了4833个菌和6991个细菌 (阴性和阳性).
- 应用检测和细分网络用于基准测试.
主要成果:
- 建立了一个新的,大规模的临床细菌图像数据集.
- 数据集包括手动标记的菌和细菌,以及Gram染色信息.
- 对临床数据集进行了深度学习网络的基准测试.
结论:
- 提供的数据集和基准算法可以在临床环境中推进自动细菌识别.
- 这项工作解决了M-ROSE深度学习临床数据的差距.
- 这些发现支持开发人工智能驱动的工具,以更快,更准确地诊断传染病.
更多相关视频
12:08Rapid Antimicrobial Susceptibility Testing by Stimulated Raman Scattering Imaging of Deuterium Incorporation in a Single Bacterium
Published on: February 14, 2022
2.7K
03:22Author Spotlight: Advancing Pathogen Detection and Disease Assessment in Real-Time Using M-ROSE
Published on: March 1, 2024
412
