基于深度学习的单图像细菌群集运动检测
计算机视觉与模式识别
2025-05-16 v1 机器学习
应用物理
医学物理
摘要
区分细菌运动的两种主要形式——群集与游动，具有重要的概念和临床意义。这是因为具有群集能力的细菌通常拥有对感染性疾病发病机制至关重要的独特特性，并且可能还具有治疗潜力。在此，我们报道了一种基于深度学习的群集分类器，它能够利用单张模糊图像快速、自主地预测群集概率。与传统的基于视频、人工处理的方法相比，我们的方法特别适用于高通量环境，并能提供客观、定量的群集概率评估。我们工作中展示的群集分类器是在阴沟肠杆菌SM3上训练的，并在对SM3的新群集（阳性）和游动（阴性）测试图像进行盲测时表现出良好性能，达到了97.44%的灵敏度和100%的特异性。此外，该分类器在应用于未见过的细菌物种（如粘质沙雷氏菌DB10和科氏柠檬酸杆菌H6）时，展现出强大的外部泛化能力。它对DB10的盲测灵敏度为97.92%，特异性为96.77%；对H6的盲测灵敏度为100%，特异性为97.22%。这一具有竞争力的性能表明，我们的方法有潜力通过便携式设备甚至智能手机适应于诊断应用。这种适应性将有助于对细菌群集运动性进行快速、客观的现场筛查，可能增强包括炎症性肠病和尿路感染在内的多种疾病的早期检测和治疗评估。
引用
@article{arxiv.2410.15229,
title = {Deep Learning-based Detection of Bacterial Swarm Motion Using a Single Image},
author = {Yuzhu Li and Hao Li and Weijie Chen and Keelan O'Riordan and Neha Mani and Yuxuan Qi and Tairan Liu and Sridhar Mani and Aydogan Ozcan},
journal= {arXiv preprint arXiv:2410.15229},
year = {2025}
}
备注
17 Pages, 4 Figures