基于人工智能的自动化系统的开发,用于用数字图像分析技术和机器人显微镜诊断泌尿器官分裂症
Carles Rubio Maturana1,2, Allisson Dantas de Oliveira3, Francesc Zarzuela1
1Microbiology Department, Vall d'Hebron University Hospital, Vall d'Hebron Research Institute (VHIR), Barcelona, Spain.
PLoS neglected tropical diseases
|November 5, 2024
概括
人工智能 (AI) 提供了一种新的,低成本的方法,通过检测尿液中的Schistosoma haematobium卵来诊断泌尿器官istosomiasis. 这种由人工智能驱动的方法显示出高精度和回忆力,在非流行地区作为传统显微镜的有希望的替代品.
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.
- 寄生虫学的寄生虫学
背景情况:
- 泌尿器官分裂症是一种被忽视的热带疾病 (NTD),在全球范围内影响着1.5亿人,主要是在资源贫困的非洲地区.
- 目前的黄金标准诊断依赖于在尿液中显微镜识别Schistosoma haematobium卵.
- 人工智能 (AI) 呈现出一种潜在的替代方案来诊断杆菌病.
研究的目的:
- 开发和评估人工智能模型,用于在尿液图像中自动检测和定位Schistosoma haematobium卵.
- 评估AI模型用于尿液沉积物图像中的红细胞/白细胞的二元分类.
- 在非流行性环境中确定数字图像数据库的最佳AI模型.
主要方法:
- 使用人工智能模型分析了尿液沉积物样本的数字图像,包括YOLOv5,YOLOv8,MobileNetv3Large,EfficientNetv2和NasNetLarge.
- 为了模型训练,对S. haematobium蛋进行了手动注释.
- 一个机器人化显微镜系统自动移动幻灯片和样本聚焦.
主要成果:
- YOLOv5x实现了99.3%的精度和99.4%的S.haematobium蛋检测回忆.
- 在红细胞/白细胞检测方面,NasNetLarge显示了85.6%的准确性.
- YOLOv5x和NasNetLarge被确定为分别在卵子检测和细胞分类方面表现最好的模型.
结论:
- 基于人工智能的诊断技术用于尿液中S. haematobium卵子检测,为非流行环境中的传统显微镜提供了一个可行的,低成本的替代方案.
- 这项研究为改善和实施实验室人工智能诊断系统提供了基础.
- 进一步的优化和实施对于加强杆菌病诊断至关重要.
