A subscription to JoVE is required to view this content. Sign in or start your free trial.
تم فحص طفيليات الدم الطبية في جميع أنحاء العالم تلقائيا باستخدام خطوات بسيطة على منصة الذكاء الاصطناعي منخفضة التعليمات البرمجية. تم تحسين التشخيص المستقبلي لأغشية الدم باستخدام طريقة الكشف عن الأشياء وتصنيفها في نموذج التعلم العميق الهجين. يساعد التعاون بين المراقبة النشطة والنماذج المدربة تدريبا جيدا على تحديد النقاط الساخنة لانتقال المثقبيات.
داء المثقبيات مشكلة صحية عمومية كبيرة في عدة مناطق في جميع أنحاء العالم، بما في ذلك جنوب آسيا وجنوب شرق آسيا. ويعد تحديد المناطق الساخنة الخاضعة للترصد النشط إجراء أساسيا لمكافحة انتقال المرض. الفحص المجهري هو طريقة تشخيصية شائعة الاستخدام. ومع ذلك ، فهي تعتمد في المقام الأول على الموظفين المهرة وذوي الخبرة. لمعالجة هذه المشكلة ، تم تقديم برنامج الذكاء الاصطناعي (الذكاء الاصطناعي) الذي يستخدم تقنية التعلم العميق الهجينة لتحديد الكائنات والعمود الفقري للشبكة العصبية لتصنيف الكائنات على منصة الذكاء الاصطناعي منخفضة التعليمات البرمجية الداخلية (CiRA CORE). يمكن للبرنامج تحديد وتصنيف أنواع المثقبيات الأولية ، وهي Trypanosoma cruzi و T. brucei و T. evansi ، من الصور المجهرية بالغمر بالزيت. يستخدم برنامج الذكاء الاصطناعي التعرف على الأنماط لمراقبة وتحليل العديد من البروتوزوا داخل عينة دم واحدة ويسلط الضوء على النواة والحركية لكل طفيلي كسمات مميزة محددة باستخدام خريطة الانتباه.
لتقييم أداء برنامج الذكاء الاصطناعي ، يتم إنشاء وحدتين فريدتين توفران مجموعة متنوعة من المقاييس الإحصائية مثل الدقة ، والاستدعاء ، والنوعية ، والدقة ، ودرجة F1 ، ومعدل التصنيف الخاطئ ، ومنحنيات خصائص تشغيل جهاز الاستقبال (ROC) ، ومنحنيات الدقة مقابل الاستدعاء (PR). تظهر نتائج التقييم أن خوارزمية الذكاء الاصطناعي فعالة في تحديد وتصنيف الطفيليات. من خلال تقديم أداة فحص سريعة وآلية ودقيقة ، فإن هذه التكنولوجيا لديها القدرة على تحويل مراقبة الأمراض ومكافحتها. كما يمكن أن يساعد المسؤولين المحليين في اتخاذ قرارات أكثر استنارة بشأن استراتيجيات منع انتقال الأمراض.
يمثل داء المثقبيات تحديا كبيرا لقضايا الصحة العالمية بسبب مجموعة متنوعة من الأنواع الحيوانية المنشأ التي تسبب الأمراض البشرية مع مجموعة واسعة من التوزيع الجغرافي خارج القارتين الأفريقية والأمريكية ، مثل جنوب وجنوب شرق آسيا1،2،3. داء المثقبيات الأفريقي البشري (HAT) أو مرض النوم ، هو سبب المثقبية البروسية الغامبية و T. b. rhodesiense التي تنتج الأشكال المزمنة والحادة ، على التوالي ، والتي تمثل الانتشار الرئيسي في أفريقيا. ينتمي الطفيلي المسبب إلى مجموعة اللعاب بسبب انتقال ذباب تسي تسي عن طريق اللعاب المصاب4. وحيث أن داء المثقبيات الأمري....
تمت الموافقة على أفلام الدم المؤرشفة وتصميم المشروع من قبل اللجنة المؤسسية للسلامة الأحيائية ، واللجنة المؤسسية لرعاية واستخدامها التابعة لكلية العلوم البيطرية ، وجامعة شولالونغكورن (IBC رقم 2031033 و IACUC رقم 1931027) ، ولجنة أخلاقيات البحوث البشرية التابعة لمعهد الملك مونغكوت للتكنولوجيا في لادكرابانغ (EC-KMITL_66_014).
1. إعداد الصور الخام
في هذه الدراسة ، تم اقتراح خوارزميات التعلم العميق الهجينة للمساعدة في التنبؤ تلقائيا بإيجابية عينة الدم المصابة بعدوى طفيلي المثقبيات. تم فرز أفلام الدم المؤرشفة والملطخة ب Giemsa لتحديد موقع وتصنيف الطفيليات مقابل غير الطفيلية باستخدام خوارزمية اكتشاف الكائنات بناء على شبكة عصبية أساسي?.......
إن المراقبة المجهرية لعدوى المثقبيات الأولية مبكرة وشائعة الاستخدام، لا سيما أثناء الترصد في المناطق النائية حيث يوجد نقص في الفنيين المهرة والعمليات كثيفة العمالة والمستهلكة للوقت وكلها عقبات أمام إبلاغ المنظمة الصحية في الوقت المناسب. على الرغم من أن تقنيات البيولوجيا الجزيئية مثل ع?.......
جميع المؤلفين ليس لديهم إفصاحات مالية ولا تضارب في المصالح.
هذا العمل (منحة بحثية للباحث الجديد، المنحة رقم. RGNS 65 - 212) ماليا من قبل مكتب الأمين الدائم ، وزارة التعليم العالي والعلوم والبحث والابتكار (OPS MHESI) ، تايلاند للبحث العلمي والابتكار (TSRI) ومعهد الملك مونغكوت للتكنولوجيا لادكرابانغ. نحن ممتنون للمجلس الوطني للبحوث في تايلاند (NRCT) [NRCT5-RSA63001-10] لتمويل المشروع البحثي. تم تمويل M.K. من قبل صندوق تايلاند للبحث العلمي والابتكار جامعة شولالونغكورن. كما نشكر كلية الابتكار الصناعي المتقدم ، ومعهد الملك مونغكوت للتكنولوجيا ، و Ladkrabang الذين قدموا منصة التعلم العميق والبرمجيات لدعم المشروع البحثي.
....Name | Company | Catalog Number | Comments |
Darknet19, Darknet53 and Densenet201 | Gao Huang, Z. L., Laurens van der Maaten. Densely Connected Convolutional Networks. arXiv:1608.06993 [cs.CV]. (2016) | https://github.com/liuzhuang13/DenseNet | Deep convolutional neural network model that can function to classification Generic name: YOLO model/ detection model? |
Olympus CX31 Model CX31RRBSFA | Olympus, Tokyo, Japan | SN 4G42178 | A light microscope |
Olympus DP21-SAL U-TV0.5XC-3 | Olympus, Tokyo, Japan | SN 3D03838 | A digital camera Generic name: Classification models/ densely CNNs |
Window 10 | Microsoft | Window 10 | Operation system in computers |
YOLO v4-tiny | Naing, K. M. et al. Automatic recognition of parasitic products in stool examination using object detection approach. PeerJ Comput Sci. 8 e1065, (2022). | https://git.cira-lab.com/users/sign_in | Deep convolutional neural network model that can function to both localization and also classification |
https://git.cira-lab.com/users/sign_in |
Request permission to reuse the text or figures of this JoVE article
Request PermissionExplore More Articles
This article has been published
Video Coming Soon
Copyright © 2025 MyJoVE Corporation. All rights reserved