[一个支持人工智能的显微图像识别系统的有效性,用于检测日本虫蛋]
1General Hospital of The Yangtze River Shipping, Wuhan, Hubei 430019, China.
概括
一个支持人工智能 (AI) 的系统使用卡托-卡茨技术提高了检测 Schistosoma japonicum 蛋的准确性. 这种人工智能工具提供了准确的量化和简单的性能,有助于杆菌病的诊断.
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
- 人工智能在医学中的应用
背景情况:
- 日本杆菌仍然是一个重大的公共卫生问题.
- 精确检测 Schistosoma japonicum 蛋对于有效的控制和消除策略至关重要.
- 修改后的卡托-卡茨技术是一种标准的诊断方法,但其准确性可能是有限的.
研究的目的:
- 评估一个支持人工智能 (AI) 的显微镜成像识别系统,用于检测 Schistosoma japonicum 蛋.
- 用修改的卡托-卡茨技术将人工智能系统的性能与手动显微镜进行比较.
- 评估人工智能系统的潜力,以改善杆菌病的诊断和控制.
主要方法:
- 便样本中含有已知度的 Schistosoma japonicum 蛋.
- 用人工智能成像系统和手动显微镜准备和检查Kato-Katz幻灯片.
- 性能指标包括检测时间,定性和定量准确性,错过检测率和错误检测率.
主要成果:
- 与手动显微镜相比,人工智能系统在定性 (97.50%) 和定量 (91.67%) 检测方面表现出更高的准确率 (分别为81.25%和31.67%).
- 与手动显微镜相比,人工智能系统在相关组中显示出较低的错误检测率 (3.33%) 和错误检测率 (0%).
- 检测时间有所不同,人工智能系统在严重感染病例中更快,但在轻度和负控组中更慢.
结论:
- 支持人工智能的显微图像识别系统显著提高了通过Kato-Katz技术检测Schistosoma japonicum蛋的准确性.
- 人工智能系统提供了准确的量化,操作简单,为诊断杆菌病提供了潜在的技术支持.
- 这项技术可能有助于诊断杆菌病和其他寄生虫疾病.
