卷积神经网络的双阶段层次修剪 (THP-CNN) 用于快速检测致病性细菌,使用重症监护病房的高分辨率殖民地图像
1Faculty of Applied Sciences, Macao Polytechnic University, Macao 999078, China.
Diagnostics (Basel, Switzerland)
|September 27, 2025
概括
一种新的方法,THP-CNN,通过使用压缩卷积神经网络 (CNN) 有效地分类致病细菌. 这种轻量级的方法为重症监护室 (ICU) 提供了准确的实时病原体检测.
科学领域:
- 医学微生物学 医学微生物学
- 计算机科学 计算机科学
- 人工智能的人工智能是人工智能.
背景情况:
- 重症监护室 (ICU) 的患者面临高感染风险.
- 准确的致病细菌鉴定对于有效的治疗至关重要.
- 当前的卷积神经网络 (CNN) 具有高的计算需求和参数冗余性.
研究的目的:
- 开发一个计算效率高的CNN用于细菌分类.
- 为了应对高计算需求和病原体检测CNN中的参数冗余的挑战.
主要方法:
- 为CNN压缩 (THP-CNN) 开发了一个两阶段的等级修剪框架.
- 运用道重要性估计和接收场等价性转换.
- 使用了24类致病性细菌分类任务.
主要成果:
- 在0.62M参数下,THP-CNN (70%修剪) 实现了0.86准确度.
- 它的表现优于ResNet-50 (0.72),MobileNet V2 (0.81),Inception (0.74) 和AlexNet (0.62),这些网络的性能都比ResNet-50 (0.72),MobileNet V2 (0.81),Inception (0.74) 和AlexNet (0.62) 的表现更好.
- 修剪后的变体 (50-60%) 在交叉验证中保持了0.79的稳定平均准确度.
结论:
- THP-CNN显示了轻量级,实时细菌分类的潜力.
- 提供了一个计算效率高的解决方案,用于在临床环境中自动检测病原体.
- 能够更快,更准确地识别ICU中的细菌.
