Überlegene automatische Identifizierung von Trypanosomenparasiten durch Verwendung eines hybriden Deep-Learning-Modells

Das Ziel der Forschung ist es, ein KI-Modell mit künstlicher Intelligenz zu entwickeln, das eine hybride Deep-Learning-Technik aus Objekterkennungs- und Klassifizierungs-Backbones nutzt, um die Protozoen-Trypanosomen-Spezies, nämlich Trypanosoma cruzi, T.brucei und T.evansi, aus Ölimmersionsmikroskopen auf der hauseigenen Low-Code-KI-Plattform CiRA CORE zu definieren. Die jüngste Entwicklung in unserem Forschungsgebiet ist die Entwicklung der lernenden Algorithmen, die Trypanosomenarten aus mikroskopischen Bildern identifizieren und klassifizieren können. Dieses Programm hat das Potenzial, die Überwachung und Kontrolle zu revolutionieren, indem es eine schnelle, automatisierte und genaue Screening-Methode bereitstellt, die von lokalen Mitarbeitern in abgelegenen Gebieten verwendet werden kann.

Durch die Verwendung der modifizierten und hybriden Algorithmen zwischen zwei verschiedenen Deep-Learning-Modellen innerhalb des Purpose-AI-Programms können viele Herausforderungen überwunden werden. Die Identifizierung gemeinsamer Morphologie, gemischter und unreifer Infektionen und eine präzise Artcharakterisierung ermöglichen eine automatische Standardtaxonomie.