高内容成像和深度学习驱动的检测在伤口中的传染性细菌
Ziyi Zhang1, Lanmei Gao2, Houbing Zheng3
1College of Computer and Data Science/College of Software, Fuzhou University, Fujian, China.
Bioprocess and biosystems engineering
|December 2, 2024
概括
一个新的深度学习框架可以在8小时内快速检测和分类常见的伤口细菌,如Acinetobacter baumannii和Staphylococcus aureus. 这种人工智能工具显著加快了诊断速度,改善了伤口感染的临床治疗.
科学领域:
- 医学微生物学 医学微生物学
- 医疗保健中的人工智能
- 伤口感染诊断 诊断伤口感染
背景情况:
- 及时检测伤口细菌对于有效治疗至关重要.
- 传统的诊断方法超过24小时,延迟了临床干预.
- 目前的方法不足以满足伤口护理中的紧急临床需求.
研究的目的:
- 开发一个深度学习框架,快速检测和分类关键的伤口细菌.
- 显著减少伤口样本中细菌识别所需的时间.
- 为临床环境中早期检测细菌提供具有成本效益和高通量工具.
主要方法:
- 使用预训练的ResNet50深度学习架构.
- 在细菌殖民地生长的高含量成像上训练模型.
- 在体外样本,混合细菌培养和小鼠伤口模型上测试了框架.
主要成果:
- 在8小时内 (减少12+小时) 实现了早期殖民地95%的检测率.
- 准确的分类 Acinetobacter baumannii,大肠杆菌, Pseudomonas aeruginosa 和金黄色葡萄球菌 (>96%的准确率).
- 在小鼠伤口样本中证明了>90%的识别和>94%的分类准确性.
结论:
- 深度学习框架在快速检测伤口感染的细菌方面取得了重大进展.
- 人工智能工具提高了诊断速度和准确性,支持改善临床治疗决策.
- 功能可视化增加了预测可信度,使其成为临床医生宝贵的工具.
