基于深度学习构建大肠埃希菌和肺炎克雷伯菌的快速诊断模型 |
| |
引用本文: | 赖丽莎,邓任堂,张露,揭育帮,丘文峰,徐军发,付文金.基于深度学习构建大肠埃希菌和肺炎克雷伯菌的快速诊断模型[J].临床检验杂志,2021,39(5):354-357. |
| |
作者姓名: | 赖丽莎 邓任堂 张露 揭育帮 丘文峰 徐军发 付文金 |
| |
作者单位: | 广东医科大学检验医学研究所,广东东莞 523808;广东医科大学附属厚街医院检验科,广东东莞 523945;广东医科大学生物医学工程学院,广东东莞 523808 |
| |
摘 要: | 目的构建一种基于深度学习的革兰染色图像自动分类模型EKNet,实现对泌尿系统感染常见的大肠埃希菌(Eco)和肺炎克雷伯菌(Kpn)的快速诊断。方法将预处理后的细菌图像输入残差网络模型,计算交叉熵损失,通过反向传播算法进行参数优化,获得预训练模型EKNet。共采集368例Eco和292例Kpn显微图像,其中272例Eco和214例Kpn进行训练,40例Eco和30例Kpn进行验证,余下104例图像进行测试。以ResNet50模型和AlexNet模型作为对照,评估EKNet模型的实用性。结果 EKNet模型测试一个样本的平均用时是0.165 s,优于ResNet50模型的0.38 s和AlexNet模型的0.66 s;图像识别准确率达98.8%,优于ResNet50模型的96.4%和AlexNet模型的78.6%。EKNet模型对104例临床测试的显微图像输出结果与尿培养的结果完全吻合,正确率为100%。结论成功构建Eco和Kpn的图像诊断模型EKNet,为临床泌尿系统感染的快速诊断提供参考。
|
关 键 词: | 深度学习 图像分类 泌尿系统感染 |
收稿时间: | 2021/1/18 0:00:00 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《临床检验杂志》浏览原始摘要信息 |
| 点击此处可从《临床检验杂志》下载免费的PDF全文 |
|