Bu çalışma (Yeni Akademisyen için Araştırma Bursu, Hibe No. RGNS 65 - 212), Daimi Sekreterlik Ofisi, Yüksek Öğrenim, Bilim, Araştırma ve Yenilik Bakanlığı (OPS MHESI), Tayland Bilim Araştırma ve İnovasyon (TSRI) ve King Mongkut'un Teknoloji Enstitüsü Ladkrabang tarafından mali olarak desteklenmiştir. Araştırma projesini finanse ettiği için Tayland Ulusal Araştırma Konseyi'ne (NRCT) [NRCT5-RSA63001-10] minnettarız. M.K., Tayland Bilim Araştırma ve İnovasyon Fonu Chulalongkorn Üniversitesi tarafından finanse edildi. Ayrıca, araştırma projesini desteklemek için derin öğrenme platformu ve yazılımı sağlayan King Mongkut Teknoloji Enstitüsü, Ladkrabang İleri Üretim İnovasyonu Koleji'ne de teşekkür ederiz.

Tripanozomiyaz Tespiti ve Sınıflandırması için AI Programı

Tüm yazarların finansal açıklamaları ve çıkar çatışmaları yoktur.

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...

Tripanozomiyazis, Güney ve Güneydoğu Asyagibi 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. Oysa, T. cruzi'nin neden olduğu iyi bilinen Amerikan tripanozomiyazis (Chagas hastalığı), endemik olmayan ülkeler için bir halk sağlığı sorunu olmuştur; Kanada, ABD, Avrupa, Avustralya ve Japonya dahil olmak üzere, endemik bölgelerden bireylerin sık göç etmesi nedeniyle5. Tripanozom enfeksiyonu, reduviid böceklerin enfekte dışkısı ile bulaştığı için Stercoraria grubuna aittir. T. evansi enfeksiyonunun neden olduğu tripanozomiazlar ve tripanozomozlar (Surra hastalığı) Afrika, Güney Amerika, Batı ve Doğu Asya ile Güney ve Güneydoğu Asya ülkelerinde endemiktir 3,6. Tripanozomun neden olduğu insan tripanozomiyazisi bildirilmiş olmasına rağmen 3,4,7,8,9,10,11,12, parazit enfeksiyonunun bulaşma yolu tartışmalıdır: ya mekanik ya da enfekte kan, çeçe sinekleri ve tabanidler veya at sinekleri gibi hematofag böcekler yoluyla 6,7, 8,9,10,12,13,14. Tayland'da herhangi bir vaka raporu bulunamamıştır, ancak doğu bölgesindeki köpek15, yarış atları ve su bufalolarında T. evansi enfeksiyonunun yüksek prevalansıyayınlanmıştır 16, bu da evcil hayvanlar arasında edinilmiş bir bulaşmanın meydana gelmiş olabileceğini düşündürmektedir. İnsan tripanozomlarının klasik formları olmayan hayvan tripanozomlarının (T. vivax, T. b. brucei, T. congolense, T. lewisi ve T. evansi) neden olduğu birkaç atipik insan enfeksiyonu bildirilmiştir17. Atipik insan enfeksiyonları hakkındaki farkındalık hafife alınabilir, bu atipik vakaların tespiti ve doğrulanması için gelişmiş tanı testlerine ve saha araştırmalarına duyulan ihtiyacı vurgulayarak ve küresel hayvancılığı, gıda güvenliğini18 ve insan sağlığını etkileyen hayvan patojenik hastalıklarının uygun şekilde kontrol ve tedavisine izin verir. Bu, aktif sürveyans sırasında uzak bölgelerdeki kan örneklerini hızlı bir şekilde taramak için mevcut bir ortak yöntemle (mikroskobik inceleme) entegre edilmiş potansiyel bir stratejinin geliştirilmesine yol açtı ve hastalığı kısıtlamak ve kontrol etmek için sıcak nokta bölgelerinin tanımlanmasını sağladı.
Tek hörgüçlü hayvanlar, sığırlar, atlar ve köpekler gibi çok çeşitli evcil hayvanlarda Surra hastalığının sporadik bir insidansına sahip olmak, bir euryxenous T. evansi'yi çağrıştıran insanlar için zoonotik olabilir 1,4,13,14. İnsan enfeksiyonu imkansız görünmektedir, çünkü insan serumundaki sra benzeri bir genden eksprese edilen tripanolitik bir faktör, insan T. brucei ve T. congolense12,19'u önleyebilir. Ayrıca, Hindistan'dan gelen ilk vaka raporunun gösterdiği gibi, hastalığın bağışıklığı baskılanmış HIV hastaları ile hiçbir ilişkisi yoktur4. Yukarıda tarif edildiği gibi, olası insan enfeksiyonu, nadir görülen bir otozomal resesif genetik bozukluk olan tripanozom litik faktörünün, yani Tangier hastalığınınanormal fonksiyonuna sahip yüksek yoğunluklu bir lipoprotein eksikliği ile ilişkili olabilir 4. 2016 yılında, Vietnamlı bir hastanın iki vahşi tip APOL1 aleline ve normal aralıkta bir serum APOL1 konsantrasyonuna sahip olduğu keşfedildi. Bununla birlikte, APOL-1 eksikliği teorisi artık geçerli kabul edilmemektedir12. Bu nedenle, tripanozom enfeksiyonunun olası bir mekanizması, mesleki hayvancılık sırasında bir yaranın enfekte hayvan kanı ile doğrudan temasıdır 4,12. Mikroskobik inceleme, T. evansi morfolojisinin, T. brucei 1,12,13'ün göreceli türlerine benzer olan, baskın uzun ince, kamçılı ve bölücü bir tripanozom içeren tripomastigotun monomorfik bir formu olduğunu ortaya koymaktadır. Çekirdek, arka pozisyonda görünür küçük bir kinetoplast ile merkezi konumdadır. Önceki bir çalışma, parazitin klasik ve kesik formlar olarak bilinen iki karşılaştırılabilir formda bulunabileceğini göstermiştir. Bununla birlikte, konakçılar20 üzerindeki ilgili patojenik etkilerini doğrulamak gerekli olmaya devam etmektedir. Semptomların seyri, titreme ve terleme ile ilişkili aralıklı ateşe kadar değişir. Suramin, neyse ki, Hindistan ve Vietnam'daki hastaları iyileştiren, merkezi sinir sistemini (CNS) istila etmeyen erken evre insan Afrika tripanozomiyazisi için başarılı bir birinci basamak tedavidir 4,12,21.
Klinik belirti muayenesi dışında, parazitolojik mikroskobik gözlem 4,9,12, serolojik 4,8,9,10,12 ve moleküler biyolojik testler 4,12 dahil olmak üzere T. evansi parazitleri için çeşitli tanı yöntemleri mevcuttur. Giemsa ile boyanmış ince kan filmleri, rutin ve yaygın olarak kullanılan mikroskobik inceleme altında bulunan paraziti görselleştirmek için sıklıkla kullanılır22. Bununla birlikte, prosedür uygulanabilir görünmektedir; Bununla birlikte, zaman alıcı ve emek yoğundur, değerlendiriciler arası değerlendirme değişkenliğine sahiptir, yalnızca akut bir aşamaya duyarlıdır ve kişisel bir stajyergerektirir 23. Hem moleküler biyoloji hem de serolojik testler, standartlaştırılması zor olan pahalı aparatlarla test edilmeden önce numunelerin ekstrakte edilmesi ve saflaştırılması, ekstra parazitik malzemelerle kontaminasyon riski ve sonuçlardaki tutarsızlıklar da dahil olmak üzere çok sayıda numune hazırlama işlemini gerçekleştirmek için yüksek vasıflı personele ihtiyaç duyuyordu24. Yukarıda açıklanan mantığa dayanarak, saha sürveyans çalışmasını desteklemek ve hastalık bulaşmasının daha fazla kontrolü için sıcak nokta bölgesini belirlemek için anket sonucunun zamanında rapor edilmesini sağlamak için hızlı ve erken tarama teknolojisine ihtiyaç vardır 1,8. Bilgisayar tabanlı cihazlar (CAD), histopatolojik ve sitopatolojik görevler de dahil olmak üzere tıbbi alanlar için yenilikçi bir teknoloji olarak önerilmiştir25. Yukarıda bahsedilen CAD, yüksek hızda gerçekleştirildi ve örüntü tanıma, yani yapay zeka (AI) kullanılarak hesaplandı. AI yöntemi, çok sayıda veri kümesi örneğiyle başa çıkmak için kullanılabilen evrişimli sinir ağı algoritmaları, özellikle de veri tüketimi üzerine iyi eğitilmiş bir modeli eğiten denetimli bir öğrenme yaklaşımı kullanılarak gerçekleştirilir.
Genel olarak yapay zeka, bilgisayarların veri etiketleme gibi uzman zekası gerektiren görevleri çözme yeteneğidir. Yapay zekanın bir alt alanı olan makine öğrenimi (ML), özellik çıkarma ve örüntü tanımadan oluşan iki farklı sürece sahip bir bilgisayar sistemi olarak temsil edilir. Derin öğrenme (DL) veya gelişmiş makine öğrenimi algoritmaları, insan benzeri performansı, insan profesyoneller tarafından elde edilenden daha büyük ve eşit doğruluk seviyeleriyle karşılaştıran bilgisayarlı programların ve cihazların geliştirilmesini ifade eder26. Şu anda, DL'nin tıp ve veterinerlik alanlarındaki rolü, son zamanlarda önleme ve bireysel sağlık personeline rehberlik etme amacıyla bulaşıcı hastalıkların önlenmesinde umut verici bir şekilde genişlemekte ve devrim yaratmaktadır22,27. Potansiyel DL uygulaması, kalite etiketleri ve çok sayıda artırılmış veri kümesi ile sınırsızdır ve uzmanların proje görevini yönetmesini sağlar. Özellikle, bilgisayar destekli analizle birlikte dijital görüntüdeki bir ilerleme, bildirilen beş patoloji kategorisinde otomatik tanı ve taramayı iyileştirdi; statik, dinamik, robotik, tüm slayt görüntüleme ve hibrit yöntemler dahilolmak üzere 28. DL algoritma yaklaşımlarının ve dijital görüntü verilerinin entegrasyonunun, yerel personeli teknolojiyi günlük uygulamalarında kullanmaya teşvik edebileceğini düşünmek gerekir.
Daha önce, hibrit bir model kullanmanın tahmin doğruluğundaki artış kanıtlanmıştı27. Mikroskobik görüntülerde tripanozom parazitini tanımlamak için bu araştırma, YOLOv4-tiny (nesne algılama) ve Densenet201 (nesne sınıflandırma) algoritmalarını içeren iki hibrit model sunmaktadır. Çeşitli algılama modelleri arasında, CSPDarknet53 omurgasına sahip YOLOv4-tiny, yerelleştirme ve sınıflandırma açısından bir tahmin sonucu olarak yüksek performans gösterdi29. Gerçek zamanlı dedektör, giriş ağı çözünürlüğü, evrişimli katman miktarı, toplam parametre ve katman çıktılarının sayısı arasındaki optimum dengeyi değiştirdiğinden, önceki sürümlere kıyasla hızlı çalışma hızlarına öncelik vermeyi ve paralel hesaplamalar için optimize etmeyi iyileştirdi. Yoğun Evrişimli Ağ (DenseNet), rekabetçi veri kümelerinde son teknoloji sonuçlar elde eden bir başka popüler modeldir. DenseNet201, ResNet101 ile karşılaştırılabilir benzer bir doğrulama hatası verdi; ancak, DenseNet201'in 20 milyondan az parametresi vardır, bu da ResNet101'in 40 milyondan fazla parametresindendaha azdır 30. Bu nedenle, DenseNet modeli, aşırı öğrenme belirtisi olmadan artan sayıda parametre ile tahmin doğruluğunu iyileştirebilir. Burada, bir yapay zeka (AI) programı, şirket içi CiRA CORE platformunda derin algılama ve sınıflandırma sinir ağı omurgalarına sahip hibrit bir derin öğrenme algoritması kullanır. Geliştirilen program, protozoan tripanozom türlerini, yani Trypanosoma cruzi, T. brucei ve T. evansi'yi yağa daldırma mikroskobik görüntülerden tanımlayabilir ve sınıflandırabilir. Bu teknoloji, hızlı, otomatik ve doğru bir tarama yöntemi sağlayarak hastalık gözetimi ve kontrolünde devrim yaratma potansiyeline sahiptir. Yerel personelin parazitik protozoon hastalığı için bulaşmayı engelleme stratejileri hakkında daha bilinçli kararlar almasına yardımcı olabilir.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Darknet19, Darknet53 and Densenet201</td>
			<td>Gao Huang, Z. L., Laurens van der Maaten. Densely Connected Convolutional Networks. arXiv:1608.06993 [cs.CV]. (2016)</td>
			<td>https://github.com/liuzhuang13/DenseNet&#160;</td>
			<td>Deep convolutional neural network model that can function to&#160; classification 
			Generic name: YOLO model/ detection model?</td>
		</tr>
		<tr>
			<td>Olympus CX31 Model CX31RRBSFA</td>
			<td>&#160;Olympus, Tokyo, Japan</td>
			<td>SN 4G42178&#160;</td>
			<td>A light microscope&#160;</td>
		</tr>
		<tr>
			<td>Olympus DP21-SAL U-TV0.5XC-3</td>
			<td>&#160;Olympus, Tokyo, Japan</td>
			<td>SN 3D03838</td>
			<td>A digital camera 
			Generic name: Classification models/ densely CNNs</td>
		</tr>
		<tr>
			<td>Window 10</td>
			<td>Microsoft</td>
			<td>Window 10</td>
			<td>Operation system in computers</td>
		</tr>
		<tr>
			<td>YOLO v4-tiny&#160;</td>
			<td>Naing, K. M. et al. Automatic recognition of parasitic products in stool examination using object detection approach. PeerJ Comput Sci. 8 e1065, (2022).</td>
			<td>https://git.cira-lab.com/users/sign_in</td>
			<td>Deep convolutional neural network model that can function to both localization and also classification&#160;</td>
		</tr>
		<tr>
			<td></td>
			<td></td>
			<td>https://git.cira-lab.com/users/sign_in</td>
			<td></td>
		</tr>
	</tbody>
</table>

superior auto-identification of trypanosome parasites by using a hybrid deep-learning model

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.

Trypanosomiasis is a significant challenge to global health issues due to a variety of zoonotic species causing human disease with a wide range of geographical distribution outside the African and American continents, such as South and Southeast Asia1,2,3. Human African trypanosomiasis (HAT) or sleeping sickness, is caused by Trypanosoma brucei gambiense and T. b. rhodesiense which produce the chronic and acute forms, respectively, representing the major spread in Africa. The causative parasite belongs to the Salivaria group due to the transmission by infected saliva of Tsetse flies4. Whereas, the well-known American trypanosomiasis (Chagas&#39;s disease) caused by T. cruzi has been a public health concern for non-endemic countries; including Canada, the USA, Europe, Australia, and Japan, because of the frequent migration of individuals from endemic areas5. The trypanosome infection belongs to the Stercoraria group because it is transmitted by the infected feces of reduviid bugs. The trypanosomiases and trypanosomoses (Surra disease) caused by the T. evansi infection are endemic in Africa, South America, Western and Eastern Asia, and South and Southeast Asian countries3,6. Although human trypanosomiasis caused by the trypanosome has been reported3,4,7,8,9,10,11,12, the route of transmission of the parasite infection is debated: either the mechanical or infected blood through hematophagous insects such as tsetse flies and tabanids or horse flies6,7,8,9,10,12,13,14. No case report has been found in Thailand, however, a high prevalence of the T. evansi infection in dog15, racing horses, and water buffalo in the eastern region has been published16, suggesting an acquired transmission between domestic animals would have occurred. Several atypical human infections caused by animal trypanosomes (T. vivax, T. b. brucei, T. congolense, T. lewisi, and T. evansi) were reported, which are not the classical forms of human trypanosomes17. Awareness about atypical human infections might be underestimated, highlighting the need for improved diagnostic tests and field investigations for detection and confirmation of these atypical cases, and allowing for proper control and treatment of animal pathogenic diseases that affect global livestock, food security18, and human healthcare. This led to the development of a potential strategy integrated with an existing common method (microscopic examination) to rapidly screen blood samples in remote areas during active surveillance, enabling the identification of the hotspot zones for restricting and controlling the disease.
Having a sporadic incidence of the Surra disease in a wide range of domestic animals such as dromedaries, cattle, equines, and dogs that evoke a euryxenous T. evansi may be zoonotic to humans1,4,13,14. Human infection seems impossible because a trypanolytic factor in human serum, expressed from a sra-like gene, is capable of preventing human T. brucei and T. congolense12,19. Furthermore, as the first case report from India demonstrates, the illness has no association with immunocompromised HIV patients4. As described above, the possible human infection may be related to a high-density lipoprotein deficiency with abnormal function of the trypanosome lytic factor, which is a rare autosomal recessive genetic disorder, namely Tangier disease4. In 2016, a Vietnamese patient was discovered to possess two wild-type APOL1 alleles and a serum APOL1 concentration within the normal range. However, the theory of APOL-1 deficiency is no longer considered valid12. Therefore, one possible mechanism of trypanosome infection is direct contact of a wound with infected animal blood during occupational animal farming4,12. Microscopic examination reveals that T. evansi morphology is a monomorphic form of the trypomastigote including a predominant long slender, flagellated, and dividing trypanosome which is similar to their relative species of T. brucei1,12,13. The nucleus is in the central position with a visible small kinetoplast in the posterior position. A previous study indicated that the parasite can exist in two comparable forms, known as the classical and truncated forms. However, it remains necessary to confirm their respective pathogenic effects on hosts20. The course of symptoms varies ranging from intermittent fever associated with chills and sweating. Suramin, fortunately, is a successful first-line therapy for early-stage human African trypanosomiasis with no invasion of the central nervous system (CNS), healing patients in India and Vietnam4,12,21.
Except for clinical sign examination, several diagnostic methods for T. evansi parasites exist, including parasitological microscopic observation4,9,12, serological4,8,9,10,12, and molecular biological tests4,12. Thin-blood films stained with Giemsa are often used to visualize the parasite present under microscopic examination, which is routinely and commonly used22. However, the procedure appears to be feasible; nonetheless, it is time-consuming and labor-intensive, has inter-rater assessment variability, is sensitive to only an acute phase, and requires a personal trainee23. Both molecular biology and serological testing also needed highly skilled personnel to perform multiple processes of sample preparation, including extracting and purifying the samples before testing them with expensive apparatus, which is difficult to standardize, risk of contamination with extra-parasitic materials, and discrepancies in results24. Based on the rationale described above, rapid and early screening technology is needed to support the field surveillance study and ensure that the survey result is reported in a timely manner to identify the hotspot zone for further control of the disease transmission1,8. Computerized-based devices (CAD) have been proposed as an innovative technology for medical fields, including histopathological and cytopathological tasks25. The CAD mentioned above was performed at high speed and computed using pattern recognition, namely, artificial intelligence (AI). The AI method is accomplished using convolutional neural network algorithms that can be used to deal with a large number of dataset samples, especially, a supervised learning approach that trains a well-trained model upon data consumption.
In general, AI is the ability of computers to solve tasks that require expert intelligence, such as data labeling. Machine learning (ML), a subfield of AI, is represented as a computer system with two different processes comprised of feature extraction and pattern recognition. Deep learning (DL), or advanced ML algorithms, refers to the development of computerized programs and devices comparing human-like performance with levels of accuracy greater and equal to that accomplished by human professionals26. Currently, the role of DL in medical and veterinary fields is promisingly expanding and revolutionizing communicable disease prevention with the aim of recent prevention and guiding it to individual health staff22,27. The potential DL application is limitless with quality labels and a large number of augmented datasets, freeing specialists to manage the project task. Specifically, an advance in the digital image along with computer-assisted analysis, improved the automatic diagnostic and screening in five categories of pathology reported; including static, dynamic, robotic, whole slide imaging, and hybrid methods28. It is necessary to consider that the integration of DL algorithm approaches and digital image data could encourage local staff to utilize the technology in their daily practices.
Previously, the increase in prediction accuracy of using a hybrid model had been proven27. To identify the trypanosome parasite in microscopic images, this research presents two hybrid models, incorporating the YOLOv4-tiny (object detection) and Densenet201 (object classification) algorithms. Among several detection models, YOLOv4-tiny with a CSPDarknet53 backbone showed high performance as a prediction result in terms of localization and classification29. Since the real-time detector has modified the optimal balance among the input network resolution, the amount of the convolutional layer, the total parameter, and the number of layer outputs, it has improved prioritizing fast operating speeds and optimizing for parallel computations when compared to previous versions. Dense Convolutional Network (DenseNet) is another popular model that achieves state-of-the-art results across competitive datasets. DenseNet201 yielded a similar validation error comparable to that of ResNet101; however, DenseNet201 has fewer than 20 million parameters, which is less than ResNet101&#39;s more than 40 million parameters30. Therefore, the DenseNet model could improve prediction accuracy with an increasing number of parameters with no sign of overfitting. Here, an artificial intelligence (AI) program utilizes a hybrid deep learning algorithm with deep detection- and classification neural network backbones on the in-house CiRA CORE platform. The developed program can identify and classify the protozoan trypanosome species, namely Trypanosoma cruzi, T. brucei, and T. evansi, from oil-immersion microscopic images. This technology has the potential to revolutionize disease surveillance and control by providing a rapid, automated, and accurate screening method. It could aid local staff in making more informed decisions on transmission-blocking strategies for parasitic protozoan disease.

Yazar Spotlight: Mikroskobik Görüntülerden Yapay Zeka Güdümlü Tripanozom Türlerinin Tespiti 

Hibrit bir derin öğrenme modeli kullanarak tripanozom parazitlerinin üstün otomatik tanımlanması

The goal of the research is to develop an artificial intelligence AI model that makes use of a hybrid deep learning technique of object detection and classification backbones for defining the protozoa trypanosome specie, namely trypanosoma cruzi, T.brucei, and T.evansi, from oil immersion, microscopic images on the in-house, low-code AI platform CiRA CORE. The most recent development in our field of research is the development of the learning algorithms that can identify and classify trypanosome species from microscopic images. This program has the potential to revolutionize the surveillance and control by providing a rapid automated and accurate screening method that can be used by local staff in remote areas.Using the modified and hybrid algorithms between two different deep learning models within the purpose AI program can overcome many challenges. Identification of shared morphology, mixed and immature infection, and precise species characterization enables automatic standard taxonomy.

Bu çalışmada, tripanozom parazit enfeksiyonu olan bir kan örneğinin pozitifliğini otomatik olarak tahmin etmeye yardımcı olmak için hibrit derin öğrenme algoritmaları önerilmiştir. Arşivlenmiş, Giemsa ile boyanmış kan filmleri, bir darknet omurga sinir ağına dayalı nesne algılama algoritması kullanılarak parazitli ve parazit olmayanları lokalize etmek ve sınıflandırmak için sıralandı. Önceki model tarafından elde edilen herhangi bir dikdörtgen kutu tahmin sonucunda, en iyi seçilmiş sı...

Watch this Scientific Journal Video about AI-Driven Trypanosome Species Detection from Microscopic Images at JoVE.com

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.

Trypanosomiasis is a significant public health problem in several regions across the world, including South Asia and Southeast Asia. The identification of ...

Araştırmanın amacı, protozoa tripanozom türünü, yani tripanozoma cruzi, T.brucei ve T.evansi'yi tanımlamak için nesne algılama ve sınıflandırma omurgalarının hibrit bir derin öğrenme tekniğini kullanan bir yapay zeka yapay zeka modeli geliştirmektir. Araştırma alanımızdaki en son gelişme, tripanozom türlerini mikroskobik görüntülerden tanımlayabilen ve sınıflandırabilen öğrenme algoritmalarının geliştirilmesidir. Bu program, uzak bölgelerdeki yerel personel tarafından kullanılabilecek hızlı, otomatik ve doğru bir tarama yöntemi sağlayarak gözetim ve kontrolde devrim yaratma potansiyeline sahiptir.Yapay zeka programı kapsamında iki farklı derin öğrenme modeli arasında değiştirilmiş ve hibrit algoritmaların kullanılması birçok zorluğun üstesinden gelebilir. Paylaşılan morfolojinin, karışık ve olgunlaşmamış enfeksiyonun tanımlanması ve kesin tür karakterizasyonu, otomatik standart taksonomiye olanak tanır.

superior-auto-identification-trypanosome-parasites-using-hybrid-deep

Microsoft Bing

Research

JoVE Journal

Bioengineering

Superior Auto-Identification of Trypanosome Parasites by Using a Hybrid Deep-Learning Model

880 Görüntüleme.  King Mongkut’s Institute of Technology Ladkrabang. Araştırmanın amacı, protozoa tripanozom türünü, yani tripanozoma cruzi, T.brucei ve T.evansi'yi tanımlamak için nesne algılama ve sınıflandırma omurgalarının hibrit bir derin öğrenme tekniğini kullanan bir yapay zeka yapay zeka modeli geliştirmektir. Araştırma alanımızdaki en son gelişme, tripanozom türlerini mikroskobik görüntülerden tanımlayabilen ve sınıflandırabilen öğrenme algoritmalarının geliştirilmesidir. Bu program, uzak bölgelerdeki yerel person...