Dünya çapında tıbbi kan parazitleri, düşük kodlu bir yapay zeka platformunda basit adımlar kullanılarak otomatik olarak tarandı. Kan filmlerinin prospektif tanısı, hibrit bir derin öğrenme modelinde bir nesne algılama ve sınıflandırma yöntemi kullanılarak geliştirilmiştir. Aktif izleme ve iyi eğitilmiş modellerin işbirliği, tripanozom iletiminin sıcak noktalarının belirlenmesine yardımcı olur.
Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.
Yöntem makalesi
Hibrit bir derin öğrenme modeli kullanarak tripanozom parazitlerinin üstün otomatik tanımlanması
Bu makalede
Özet
Özet
Tripanozomiyazis, Güney Asya ve Güneydoğu Asya da dahil olmak üzere dünyanın çeşitli bölgelerinde önemli bir halk sağlığı sorunudur. Aktif gözetim altındaki sıcak nokta alanlarının belirlenmesi, hastalık bulaşmasını kontrol etmek için temel bir prosedürdür. Mikroskobik inceleme yaygın olarak kullanılan bir tanı yöntemidir. Bununla birlikte, öncelikle yetenekli ve deneyimli personele bağlıdır. Bu sorunu çözmek için, şirket içi düşük kodlu yapay zeka platformunda (CiRA CORE) nesne tanımlama ve nesne sınıflandırma sinir ağı omurgalarının hibrit derin öğrenme tekniğini kullanan bir yapay zeka (AI) programı tanıtıldı. Program, protozoan tripanozom türlerini, yani Trypanosoma cruzi, T. brucei ve T. evansi'yi yağa daldırma mikroskobik görüntülerinden tanımlayabilir ve sınıflandırabilir. AI programı, tek bir kan örneğinde birden fazla protozoayı gözlemlemek ve analiz etmek için örüntü tanımayı kullanır ve bir dikkat haritası kullanarak her parazitin çekirdeğini ve kinetoplastını belirli karakteristik özellikler olarak vurgular.
Yapay zeka programının performansını değerlendirmek için doğruluk, geri çağırma, özgüllük, kesinlik, F1 puanı, yanlış sınıflandırma oranı, alıcı çalışma özellikleri (ROC) eğrileri ve kesinliğe karşı geri çağırma (PR) eğrileri gibi çeşitli istatistiksel ölçümler sağlayan iki benzersiz modül oluşturulur. Değerlendirme bulguları, AI algoritmasının parazitleri tanımlamada ve kategorize etmede etkili olduğunu göstermektedir. Hızlı, otomatik ve doğru bir tarama aracı sunan bu teknoloji, hastalık gözetimini ve kontrolünü dönüştürme potansiyeline sahiptir. Ayrıca, yerel yetkililerin hastalık bulaşmasını engelleme stratejileri hakkında daha bilinçli kararlar almalarına yardımcı olabilir.
Giriş
Tripanozomiyazis, Güney ve Güneydoğu Asyagibi Afrika ve Amerika kıtaları dışında geniş bir coğrafi dağılıma sahip insan hastalığına neden olan çeşitli zoonotik türler nedeniyle küresel sağlık sorunları için önemli bir zorluktur 1,2,3. İnsan Afrika tripanozomiyazisi (HAT) veya uyku hastalığı, Afrika'daki ana yayılımı temsil eden sırasıyla kronik ve akut formları üreten Trypanosoma brucei gambiense ve T. b. rhodesiense'den kaynaklanır. Etken parazit, Tsetse sineklerinin enfekte tükürüğü ile bulaşmasından dolayı Tükürük grubuna aittir4. ....
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Protokol
Arşivlenen kan filmleri ve proje tasarımı, Kurumsal Biyogüvenlik Komitesi, Chulalongkorn Üniversitesi Veterinerlik Fakültesi Kurumsal Hayvan Bakımı ve Kullanımı Komitesi (IBC No. 2031033 ve IACUC No. 1931027) ve King Mongkut Teknoloji Enstitüsü Ladkrabang (EC-KMITL_66_014) İnsan Araştırmaları Etik Komitesi tarafından onaylandı.
1. Ham görüntülerin hazırlanması
- Görüntü veri kümesi hazırlığı
- Parazitolog uzmanları tarafından onaylanan T. brucei, T. cruzi ve T. evansi dahil olmak üzere kan paraziti enfeksiyonları olan en az 13 pozitif slayt elde edin. 13 slaydı eğitim (10 slayt) ve te....
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Sonuçlar
Bu çalışmada, tripanozom parazit enfeksiyonu olan bir kan örneğinin pozitifliğini otomatik olarak tahmin etmeye yardımcı olmak için hibrit derin öğrenme algoritmaları önerilmiştir. Arşivlenmiş, Giemsa ile boyanmış kan filmleri, bir darknet omurga sinir ağına dayalı nesne algılama algoritması kullanılarak parazitli ve parazit olmayanları lokalize etmek ve sınıflandırmak için sıralandı. Önceki model tarafından elde edilen herhangi bir dikdörtgen kutu tahmin sonucunda, en iyi seçilmiş sınıflandırma modeli, T. brucei
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Tartışma
Trypanosoma protozoa enfeksiyonu için mikroskobik gözlem, özellikle vasıflı teknisyen eksikliğinin ve sağlık kuruluşunun zamanında rapor edilmesinin önündeki engellerin tümü olan emek yoğun ve zaman alıcı süreçlerin olduğu uzak bölgelerde sürveyans sırasında erken ve yaygın olarak kullanılmaktadır. İmmünoloji ve polimeraz zincir reaksiyonu (PCR) gibi moleküler biyoloji teknikleri, laboratuvar bulgularının etkinliğini desteklemek için yüksek duyarlılıklı yöntemler olarak onaylanmış olsa da, çoğunlukla büyük bir sağlık mer.......
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Açıklamalar
Tüm yazarların finansal açıklamaları ve çıkar çatışmaları yoktur.
Teşekkürler
Bu çalışma (Yeni Akademisyen için Araştırma Bursu, Hibe No. RGNS 65 - 212), Daimi Sekreterlik Ofisi, Yüksek Öğrenim, Bilim, Araştırma ve Yenilik Bakanlığı (OPS MHESI), Tayland Bilim Araştırma ve İnovasyon (TSRI) ve King Mongkut'un Teknoloji Enstitüsü Ladkrabang tarafından mali olarak desteklenmiştir. Araştırma projesini finanse ettiği için Tayland Ulusal Araştırma Konseyi'ne (NRCT) [NRCT5-RSA63001-10] minnettarız. M.K., Tayland Bilim Araştırma ve İnovasyon Fonu Chulalongkorn Üniversitesi tarafından finanse edildi. Ayrıca, araştırma projesini desteklemek için derin öğrenme platformu ve yazılımı sağlayan King Mongkut Teknoloji Enstitüsü, Ladkrabang İleri Üretim İnovasyo....
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Malzemeler
| Ad | Şirket | Katalog numarası | Yorumlar |
|---|---|---|---|
| Darknet19, Darknet53 ve Densenet201 | Gao Huang, Z. L., Laurens van der Maaten. Yoğun Bağlantılı Evrişimli Ağlar. arXiv:1608.06993 [cs. Özgeçmiş]. (2016) | https://github.com/liuzhuang13/DenseNet | Sınıflandırma Genel ad: YOLO modeli/ algılama modeli olarak işlev görebilen derin evrişimli sinir ağı modeli? |
| Olympus CX31 Model CX31RRBSFA | Olimpos, Tokyo, Japonya | SN 4G42178 | Bir ışık mikroskobu |
| Olympus DP21-SAL U-TV0.5XC-3 | Olympus, Tokyo, Japonya | SN 3D03838 | Bir dijital kamera Genel adı: Sınıflandırma modelleri/ yoğun CNNs |
| Window 10 | Microsoft | Window 10 | Bilgisayarlarda işletim sistemi |
| YOLO v4-tiny | Naing, K. M. ve ark. Nesne algılama yaklaşımı kullanılarak dışkı muayenesinde parazitik ürünlerin otomatik olarak tanınması. PeerJ Comput Sci. 8 e1065, (2022). | https://git.cira-lab.com/users/sign_in | Hem yerelleştirme hem de sınıflandırma için işlev görebilen derin evrişimli sinir ağı modeli |
Kaynaklar
- Kasozi, K. I., et al. Epidemiology of trypanosomiasis in wildlife-implications for humans at the wildlife interface in Africa. Frontiers in Veterinary Science. 8, 621699(2021).
- Ola-Fadunsin, S. D., Gimba, F. I., Abdullah, D. A., Abdullah, F. J. F., Sani, R. A.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Yeniden basım ve izinler
