使用Kubic FLOTAC显微镜自动检测Fasciola hepatica和Calicophoron daubneyi卵的专用深度学习工作流程

科学领域:

• 兽医寄生虫学
• 人工智能用于诊断
• 动物健康管理

背景情况:

• 传染病Fasciola hepatica和Calicophoron daubneyi对反动物的健康和经济构成重大威胁.
• 准确有效的诊断对于控制这些寄生虫的传播至关重要.
• 目前的共微镜方法需要改善现场和实验室设置.

研究的目的:

• 优化立方FLOTAC显微镜 (KFM) 系统,以提高Fasciola hepatica和Calicophoron daubneyi卵的分辨率.
• 通过人工智能 (AI) 预测模型来评估KFM系统的性能,用于自动检测寄生虫卵.
• 通过模拟和现场采集的牲畜便样本验证KFM系统的准确性.

主要方法:

• 集成到便携式立方FLOTAC显微镜 (KFM) 的人工智能驱动检测模型的开发和优化.
• 使用FLOTAC/Mini-FLOTAC技术来检测高度敏感的寄生虫卵.
• 使用两个协议训练和评估人工智能模型:蛋样本和自然感染样本,然后通过光学显微镜验证现场样本进行验证.

主要成果:

• 优化的KFM系统对Fasciola hepatica和Calicophoron daubneyi卵的检测表现令人满意.
• 人工智能预测模型的平均绝对误差仅为每样8个蛋,用于便卵数的确定.
• 该系统成功地将自动检测寄生虫卵与网络接口和人工智能服务器集成为图像分析.

结论:

• 立方FLOTAC显微镜 (KFM) 是一种有价值且可靠的动物寄生虫诊断工具.
• 由人工智能驱动的KFM系统显著提高了Fasciola hepatica和Calicophoron daubneyi感染诊断的准确性和效率.
• 这项技术支持畜牧业, 通过改善疾病控制和管理策略.