在Ziehl-Neelsen染色唾液涂抹样本中检测出Mycobacterium结核病,使用深度学习技术
Ozlem Genc1, Serpil Genc1, Cuneyt Ozdemir2
1Department of Medical Microbiology, Faculty of Medicine, Kutahya Health Science University, Kutahya, Türkiye.
概括
深度学习模型显示出在液涂抹中检测结核病细菌的前景,改进了传统方法. 这些AI方法为诊断Mycobacterium结核病提供了更高的灵敏度和可用性.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 医疗保健中的人工智能
- 微生物学 微生物学
背景情况:
- 结核病诊断传统上依赖于微观检查唾液,使用酸速染色.
- 这种传统方法资源密集,容易出现错误,灵敏度有限.
- 深度学习 (DL) 模型为检测酸快细菌 (AFB) 提供了潜在的进步.
研究的目的:
- 调查DL方法在唾液涂抹样本中识别AFB的有效性.
- 评估DL模型在结核病诊断中的性能.
- 为了确定对AFB检测的灵敏度和可用性的改进.
主要方法:
- 使用的转移学习模型:DenseNet201,ResNet101V2,Xception,InceptionResNetV2和InceptionV3.3. 这三种学习模型都在使用.
- 使用准确度,回忆度,精度和F1分数来评估模型性能.
- 专注于在酸速染色液制剂中的AFB检测.
主要成果:
- 在InceptionV3和Xception模型中表现出最高的性能.
- 在所有评估指标上实现了99.00%的准确性.
- 在AFB识别中显示了DL的显著潜力.
结论:
- 深度学习模型对于快速准确检测Mycobacterium结核病是非常有效的.
- DL为结核病诊断提供了传统显微镜的可行替代方案.
- 这些人工智能工具可以提高结核病诊断的敏感性和可访问性.
