Hibrit bir derin öğrenme modeli kullanarak tripanozom parazitlerinin üstün otomatik tanımlanması

Özet

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.

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 Asya^gibi 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. ....

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

1. Görüntü veri kümesi hazırlığı
   1. 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....

Tartışmalar

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.......

Malzemeler

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