优化结核病细菌检测效率:利用基于RetinaNet的预处理技术进行小型图像补丁分类
Shwetha V1, Barnini Banerjee2, Vijaya Laxmi1
1Department of Electrical and Electronics Engineering, Manipal Institute of Technology, Manipal, Manipal Academy of Higher Education, Manipal, Karnataka, India.
International journal of biomedical imaging
|October 15, 2025
概括
本研究引入了一种自动化系统,用于使用Ziehl-Neelsen染色图像检测结核病 (TB). 人工智能模型准确识别结核病菌和白细胞,提高诊断速度和准确性.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 计算生物学 计算生物学
- 显微镜成像技术 显微镜成像技术
背景情况:
- 结核病 (TB) 是一种重新出现的传染病,需要及时和精确的诊断.
- 齐尔-尼尔森 (ZN) 染色可视化了Mycobacterium tuberculosis,但由于细菌的大小小小,在显微镜图像中手动检测是具有挑战性的.
- 自动化方法对于加速结核病诊断工作流程至关重要.
研究的目的:
- 开发和评估一种自动化的两阶段管道,用于检测ZN染色显微镜图像中的结核病菌.
- 通过人工智能提高结核病查的准确性和效率.
主要方法:
- 一个新的两阶段管道,利用基于RetinaNet的物体检测模型,具有扩展的卷积层,用于定位结核病细菌和白细胞 (WBC).
- 一个基于补丁的卷积神经网络 (CNN) 分类器用于分析提取的区域.
- 使用了ZNSM-iDB数据集,其中包括约2000张ZN染色图像.
主要成果:
- 视网膜网络模型实现了高平均精度 (AP):WBCs为0.94,TB细菌为0.97.
- 拟议的CNN分类器的分类准确率为93%,超过了传统的CNN架构.
- 该系统有效地解决了小物体检测和背景干扰的挑战.
结论:
- 开发的自动化框架为使用ZN染色显微镜进行结核病查提供了强大的和可扩展的解决方案.
- 这种人工智能驱动的方法显著提高了结核病诊断的准确性和效率.
