使用微流体,单细胞时隔相对比显微镜和基于深度学习的图像和视频分类来快速识别七种细菌物种
Erik Hallström1, Vinodh Kandavalli2, Carolina Wählby1,3
1Department of Information Technology, Uppsala University, Uppsala, Sweden.
PloS one
|September 8, 2025
概括
使用人工智能和微流体的快速细菌识别现在可以在大约一个小时内诊断感染. 这种方法分析单细胞生长模式,改善细菌感染的早期治疗.
科学领域:
- 微生物学 微生物学
- 人工智能的人工智能
- 生物技术是生物技术.
背景情况:
- 准确及时识别细菌物种对于有效治疗感染至关重要.
- 目前的诊断方法通常需要长时间的潜伏期 (几个小时到几天) 和大量的细菌细胞数量.
- 这延迟了适当的抗菌药物治疗的开始,可能导致患者的治疗结果较差.
研究的目的:
- 开发和验证一种快速的细菌物种识别方法,使用微流体时间缩短显微镜的深度学习.
- 将以前的工作扩展到七种常见的人类病原体,并评估实时性能.
- 调查影响分类器性能的因素,包括训练数据特征和特征贡献.
主要方法:
- 使用相对比显微镜和"母机"微流体装置来捕捉单细胞细菌生长的时差.
- 在这些视频数据集上训练了深度人工神经网络,特别是卷积神经网络和视觉转换器.
- 评估了七种常见的细菌病原体的模型性能,评估实时能力和数据参数的影响.
主要成果:
- 深度学习模型成功地从一个小时的生长视频中识别出细菌物种,精度高 (93.5%) 和回忆 (94.7%).
- 细胞形态和纹理都被确定为分类的重要特征.
- 该方法显示了实时应用和与抗生素敏感性测试集成的潜力.
结论:
- 在微流体设备中对细菌细胞分裂动态的深度学习分析使得物种的快速识别成为可能.
- 与传统的培养方法相比,这种方法显著减少了识别时间.
- 虽然临床实施仍面临挑战,但这项研究为近乎实时的细菌诊断提供了有希望的原则证明.
