相关实验视频
Updated: May 12, 2026

12:41
Stress-induced Antibiotic Susceptibility Testing on a Chip
Published on: January 8, 2014
AssiST:用于分析抗生素敏感性测试的卷积神经网络
Carmen Li1, Sydney Schock1, Abigail Costa1
1Department of Systems Biology, University of Massachusetts Chan Medical School, Worcester, MA 01655, United States.
Bioinformatics advances
|March 4, 2026
概括
AssiST是一个新的卷积神经网络 (CNN) 管道,分析扫描微稀释板的微生物生长,以确定抗生素易感性. 这种可扩展的工具使用标准计算机提供可重现的药物敏感性结果.
科学领域:
- 微生物学 微生物学
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 抗生素敏感性测试 (AST) 对于指导抗菌疗法至关重要.
- 当前的AST方法可能是劳动密集型和耗时的.
- 需要可扩展和可重复的方法来确定药物敏感性.
研究的目的:
- 引入AssiST,一个卷积神经网络 (CNN) 管道用于自动化抗生素敏感性测试.
- 为了从扫描图像中分类微生物生长在96井微稀释板中的微生物生长.
- 为推断药物易感性提供灵活和可扩展的解决方案.
主要方法:
- 基于图像的微生物生长分类CNN管道 (AssiST) 的开发.
- 使用扫描图像的96井微稀释板.
- 实施用户可配置的表型对敏感性调用的映射.
主要成果:
- AssiST准确地分类了微生物生长模式,表明药物易感性.
- 该管道容纳了各种微生物形态和实验条件.
- AssiST能够将扫描仪图像转换为可重现的药物敏感度读数.
结论:
- AssiST提供了一种可扩展,自动化和可重复的抗生素敏感性测试方法.
- 该管道支持在各种微生物,介质和药物中灵活应用.
- AssiST使实验室能够使用标准硬件高效地生成药物敏感性数据.
更多相关视频
08:04Quantitative Examination of Antibiotic Susceptibility of Neisseria gonorrhoeae Aggregates Using ATP-utilization Commercial Assays and Live/Dead Staining
Published on: February 8, 2019
12:08Rapid Antimicrobial Susceptibility Testing by Stimulated Raman Scattering Imaging of Deuterium Incorporation in a Single Bacterium
Published on: February 14, 2022