Auto-identification supérieure des parasites trypanosomes à l’aide d’un modèle hybride d’apprentissage profond

L’objectif de la recherche est de développer un modèle d’IA d’intelligence artificielle qui utilise une technique hybride d’apprentissage profond de détection d’objets et de classification pour définir les espèces de protozoaires trypanosomes, à savoir trypanosoma cruzi, T.brucei et T.evansi, à partir d’images microscopiques par immersion dans l’huile sur la plate-forme d’IA interne à faible code CiRA CORE. Le développement le plus récent dans notre domaine de recherche est le développement d’algorithmes d’apprentissage capables d’identifier et de classer les espèces de trypanosomes à partir d’images microscopiques. Ce programme a le potentiel de révolutionner la surveillance et le contrôle en fournissant une méthode de dépistage rapide, automatisée et précise qui peut être utilisée par le personnel local dans les régions éloignées.

L’utilisation d’algorithmes modifiés et hybrides entre deux modèles d’apprentissage profond différents au sein du programme d’IA à but unique peut surmonter de nombreux défis. L’identification de morphologies communes, d’infections mixtes et immatures, et la caractérisation précise des espèces permettent une taxonomie standard automatique.