Identificazione automatica superiore dei parassiti del tripanosoma utilizzando un modello ibrido di deep learning

L'obiettivo della ricerca è quello di sviluppare un modello di intelligenza artificiale che si avvalga di una tecnica ibrida di deep learning di rilevamento e classificazione degli oggetti per definire le specie di tripanosomi protozoi, ovvero trypanosoma cruzi, T.brucei e T.evansi, da immersione in olio, immagini microscopiche sulla piattaforma AI interna e low-code CiRA CORE. Lo sviluppo più recente nel nostro campo di ricerca è lo sviluppo di algoritmi di apprendimento in grado di identificare e classificare le specie di tripanosomi a partire da immagini microscopiche. Questo programma ha il potenziale per rivoluzionare la sorveglianza e il controllo, fornendo un metodo di screening rapido, automatizzato e accurato che può essere utilizzato dal personale locale in aree remote.

L'utilizzo di algoritmi modificati e ibridi tra due diversi modelli di deep learning all'interno del programma di intelligenza artificiale può superare molte sfide. L'identificazione della morfologia condivisa, dell'infezione mista e immatura e la caratterizzazione precisa delle specie consentono una tassonomia standard automatica.