加州大学洛杉矶分校技术进步工程学院 基于深度学习的活菌早期检测和分类
一、设备示意图
乙、全板图像
大肠杆菌和钾
气凝胶菌落
通过训练的深层神经网络检测的单个生长细菌菌落的示例图像
检测和分类生长菌落的时间点用蓝色箭头标注
比例尺为0
1毫米
学分:加州大学洛杉矶分校技术进步工程学院 水传播疾病影响到全世界20多亿人，造成巨大的经济负担
例如，仅在美国，每年治疗水传播疾病的费用就超过20亿美元，每年记录的病例数为9000万例
在与水传播病原体相关的问题中，最常见的公共健康问题之一是总大肠杆菌和大肠杆菌(大肠杆菌
大肠杆菌),这表明粪便污染
根据美国环境保护署(EPA)的指南，传统的基于培养的细菌检测方法通常需要24-48小时，然后由专家进行目视检查和菌落计数
或者，基于例如核酸扩增的分子检测方法可以将检测时间减少到几个小时，但是它们通常缺乏在非常低的浓度下检测细菌的灵敏度，并且不能区分活的和死的微生物
此外，没有环保局批准的基于核酸的方法来检测水样中的大肠杆菌
因此，迫切需要一种自动化方法，该方法能够以高灵敏度实现快速和高通量的细菌菌落检测，以提供一种强有力的替代目前可获得的环保局批准的金标准方法，该方法至少需要24小时，并且需要菌落计数专家
在《光:科学与应用》杂志上发表的一篇新论文中，由美国加州大学洛杉矶分校电气与计算机工程系的艾多根·奥兹坎教授领导的科学家团队
S
、和同事开发了一种人工智能智能成像系统，用于水样中活细菌的早期检测和分类
基于全息照相术，他们设计了一个高灵敏度和高通量的成像系统，该系统可以连续捕获细菌生长的整个培养板的显微图像，通过用深度神经网络分析这些延时图像来快速检测菌落生长
在检测每个菌落生长之后，使用第二个神经网络来分类细菌的类型
这一独特平台的功效通过对三种类型的细菌进行早期检测和分类得到了证明
e
，E
大肠杆菌、产气克雷伯氏菌(K
产气杆菌)和肺炎克雷伯菌
肺炎)，加州大学洛杉矶分校的研究人员在总测试时间不到9小时的情况下，实现了每1升水样中1个菌落形成细菌的检测极限，证明与黄金标准的环保局方法相比，细菌检测节省了12小时以上的时间
这些结果凸显了这种人工智能驱动的全息成像平台的变革潜力，它不仅能够高度灵敏、快速和经济高效地检测活细菌，而且为微生物研究提供了一种强大而通用的工具
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
