| هوش مصنوعی انقلابی در تشخیص‌های مبتنی بر مشاهدات میکروسکوپی: استفاده از هوش مصنوعی- یادگیری عمیق برای تشخیص میکروفیلرهای خونی |
| کد مقاله : 1210-MVTCONF (R1) |
| نویسندگان |
|
نگار نجفی فرد *1، فاطمه جالوسیان2، سید حسین حسینی3 1دانشگاه تهران 2دانشکده دامپزشکی، دانشگاخ تهران 3دانشکده دامپزشکی، دانشگاه تهران |
| چکیده مقاله |
| مقدمه: تشخیص میکروفیلر دیروفیلاریا ایمیتیس در خون معمولاً با روش نات اصلاح شده انجام می‌شود که ارزان و سریع است، اما نیاز به تخصص و تجربه دارد همچنین در مواردی که تعداد میکروفیلرها کم هستند، احتمال عدم تشخیص آلودگی افزایس می‌یابد. علاوه بر این در این روش، تشخیص میکروفیلرها از آرتیفکت‌ها دشوار است. هدف: هدف این مطالعه کاهش وابستگی به تخصص انسانی در تشخیص میکروفیلرها با استفاده از یک سیستم هوش مصنوعی مبتنی بر یادگیری عمیق است. مواد و روش کار: ۱۰۳ تصویر از میکروفیلرهای آلوده و ۱۰۳ تصویر از آرتیفکت‌ها جمع‌آوری و به یک سامانه هوش مصنوعی ارسال شد. مدل یادگیری عمیق شامل سه کانال برای پس‌زمینه، آرتیفکت و انگل بود. حساسیت و ویژگی این روش با استفاده از منحنی ROC و مقایسه با روش نات اصلاح شده ارزیابی شد. نتایج: حساسیت و ویژگی سامانه یادگیری عمیق به ترتیب 97% و 95.6% به دست آمد. بحث: سامانه یادگیری عمیق قادر به تشخیص دقیق میکروفیلرها و تفریق آن‌ها از آرتیفکت‌ها بود، که منجر به کاهش خطای انسانی می‌شود. این مدل می‌تواند برای تشخیص سایر میکروفیلرهای شایع در ایران نیز توسعه یابد. نتیجه‌گیری نهایی: این مطالعه نشان‌دهنده کاربرد موثر هوش مصنوعی_یادگیری عمیق در بهبود روش‌های تشخیص میکروسکوپی است و نیاز به توسعه بیشتر در این زمینه دارد. |
| کلیدواژه ها |
| هوش مصنوعی، یادگیری عمیق، تشخیص، انگل‌شناسی دامپزشکی، دیروفیلاریا ایمیتیس |
| وضعیت: پذیرفته شده برای ارائه شفاهی |
