一种基于人工智能技术的皮肤莱什曼病的新诊断方法和工具
Said Gadri1, Soufyane Bounab1, Nabil Benazi2
1Laboratory of Informatics and its Applications of M'sila LIAM, Department of Computer Science, Faculty of Mathematics and Informatics, Univ. Mohamed Boudiaf of M'sila, Road Bordj Bou Arreridj, CP 28000, Algeria.
Computers in biology and medicine
|May 13, 2025
概括
人工智能 (AI) 增强了皮肤莱什曼病 (CL) 的诊断. 一个深度学习模型在微观图像中检测Leishmania寄生虫时达到97%的准确性,使得快速和精确的诊断成为可能.
科学领域:
- 寄生虫学的寄生虫学
- 医学诊断 医学诊断 医学诊断
- 医学中的人工智能
背景情况:
- 皮肤莱什曼病 (CL) 是一种严重的寄生虫病,在特有地区引起发病率.
- 传统的CL诊断方法需要专门的专业知识和时间,限制了可访问性.
- 人工智能 (AI) 提供了提高CL诊断准确性和效率的潜力.
研究的目的:
- 开发一种快速,高效和精确的皮肤莱什曼病诊断工具.
- 利用人工智能和计算机视觉 (CV) 来提高Leishmania寄生虫的检测.
- 为生物学家提供可访问的AI驱动的诊断解决方案.
主要方法:
- 使用深度学习模型YOLOv8,用于检测Leishmania寄生虫体.
- 在来自阿尔及利亚巴斯图研究所的显微镜图像上训练了YOLOv8模型.
- 通过在移动应用程序上的实现验证了模型的性能.
主要成果:
- 在检测Leishmania寄生虫方面,YOLOv8模型取得了97%的高准确性.
- 在整个测试数据集的显微镜图像上进行检测.
- 移动应用程序证明了该模型的实际实用性.
结论:
- 基于人工智能的物体检测模型,特别是YOLOv8,显示出对精确的Leishmania检测有很大的潜力.
- 开发的工具为皮肤莱什曼病的诊断提供了有前途的临床应用.
- 对人工智能用于寄生病诊断的进一步研究和开发是有必要的.
