通过基于人工智能的图像识别来自动识别临床重要Aspergillus物种:概念验证研究
Chi-Ching Tsang1,2, Chenyang Zhao2, Yueh Liu3
1School of Medical and Health Sciences, Tung Wah College, Homantin, Hong Kong.
Emerging microbes & infections
|November 25, 2024
概括
人工智能 (AI) 图像识别在识别Aspergillus物种方面表现有前途. 这种自动化方法为传统技术提供了一个用户友好的,具有成本效益的替代方案,有可能成为常规诊断工具.
科学领域:
- 临床真菌学 临床真菌学
- 医学诊断 医学诊断 医学诊断
- 人工智能在医学中的应用
背景情况:
- 传统的Aspergillus鉴定依赖于形态学检查,需要真菌学专业知识.
- 像PCR测序和MALDI-TOF MS这样的先进方法是准确的,但需要专门的人员和昂贵的设备.
- 人工智能 (AI),特别是图像识别,正在成为快速自动化医疗诊断的工具.
研究的目的:
- 探索基于人工智能的图像识别在识别阿斯伯吉卢斯物种方面的潜在实用性.
- 评估不同卷积神经网络 (CNN) 的性能和准确性,用于使用殖民图像进行自动识别.
主要方法:
- 一项概念验证研究利用了来自四种临床上显著的阿斯伯吉卢斯物种的6867张殖民地图像的数据集.
- 图像被分为训练 (2813),验证 (2814),和测试 (1240) 集.
- 三个CNN - - ResNet-18,Inception-v3和DenseNet-121 - - 被训练并对其识别准确性进行评估.
主要成果:
- ResNet-18显示了最高的测试准确性 (99.35%) 与最少的错误识别 (n=8),超过了Inception-v3和DenseNet-121.
- 识别的准确性与图像中的形态特征的独特性正相关.
- 以人工智能为基础的图像识别对阿斯伯吉勒斯的识别是有效的,其独特的形态特征提高了准确性.
结论:
- 使用殖民图像的基于AI的图像识别是Aspergillus识别的一个有前途的技术.
- 这种方法为传统方法提供了快速,用户友好和潜在的成本效益的替代方案.
- 随着数据库的进一步扩展,AI有可能成为临床实验室的常规诊断工具.


