用人工智能辅助的微生物分类结解成像
Han Xie1, Xubin Zhu1, Kaiyu Chen1
1The Key Laboratory for Biomedical Photonics of MOE at Wuhan National Laboratory for Optoelectronics - Hubei Bioinformatics and Molecular Imaging Key Laboratory, Systems Biology Theme, Department of Biomedical Engineering, College of Life Science and Technology, Huazhong University of Science and Technology, Wuhan 430074, China.
一个新的,具有成本效益的微生物分类系统使用金纳米粒子 (AuNPs) 的结解诱导的浮动模式和AI实现了快速识别. 这种用户友好的方法为各种微生物检测需求提供了低成本的解决方案.
科学领域:
- 纳米技术纳米技术
- 微生物学 微生物学
- 人工智能的人工智能
背景情况:
- 传统的微生物分类方法往往很复杂,需要熟练的人员,需要复杂的设备.
- 迫切需要快速,经济高效和易于使用的微生物识别技术.
研究的目的:
- 开发和验证一个低成本,用户友好的微生物分类系统,使用金纳米粒子 (AuNPs) 和人工智能.
- 为了证明AuNPs的冷解诱导浮动模式 (FTFPA) 方法用于识别各种微生物的有效性.
主要方法:
- 微生物与AuNPs的共同化,然后进行冷解,以诱导明显的浮动模式.
- 这些模式的数字化,以训练人工智能模型进行微生物分类.
- 开发层次分类模型,以在不同的分类层面上实现可扩展性.
主要成果:
- 该系统获得了0.976的阳性样本检测F1评分和0.859.859的多种类分类宏观F1评分.
- 层次分类模型表现出高性能,Enterobacteriales级别模型达到0.958.8的宏观F1得分.
- 微生物鉴定样本的成本非常低,为0.0023.3美元.
结论:
- FTFPA方法为微生物识别提供了一个用户友好,成本效益高,方便的平台.
- 这种人工智能合纳米技术方法为临床诊断,环境监测和食品安全应用提供了可扩展和可访问的解决方案.
更多相关视频
14:28Substructure Analyzer: A User-Friendly Workflow for Rapid Exploration and Accurate Analysis of Cellular Bodies in Fluorescence Microscopy Images
Published on: July 15, 2020
11:55Cryo-Structured Illumination Microscopic Data Collection from Cryogenically Preserved Cells
Published on: May 28, 2021
相关概念视频
Cryo-electron Microscopy
Immunofluorescence Microscopy
