هوش مصنوعی انقلابی درتشخیص های مبتنی برمشاهدات میکروسکوپی : استفاده ازهوش مصنوعی -یادگیری عمیق برای تشخیص میکروفیلرهای خونی

تشخیص میکروفیلر دیروفیلاریا ایمیتیس در خون معمولابا روش نات اصلاح شده انجام می شود که ارزان و سریع است ، اما نیاز به تخصص و تجربه دارد همچنین در مواردی که تعداد میکروفیلرها کم هستند، احتمال عدم تشخیص آلودگی افزایش می یابد. علاوه بر این در این روش، تشخیص میکروفیلرها از آرتیفکت ها دشوار است .هدف این مطالعه کاهش وابستگی به تخصص انسانی در تشخیص میکروفیلرها با استفاده ازیک سیستم هوش مصنوعی مبتنی بریادگیری عمیق است .۱۰۳ تصویر از میکروفیلرهای آلوده و ۱۰۳ تصویر از آرتیفکت ها جمع آوری و به یک سامانه هوش مصنوعی ارسال شد . مدلیادگیری عمیق شامل سه کانال برای پس زمینه ، آرتیفکت و انگل بود .حساسیت و ویژگی این روش با استفاده از منحنی ROC و مقایسه با روش نات اصلاح شده ارزیابی شد.حساسیت و ویژگی سامانه یادگیری عمیق به ترتیب %۹۷ و %۶,۹۵ به دست آمد.سامانه یادگیری عمیق قادر به تشخیص دقیق میکروفیلرها و تفریق آنها از آرتیفکت ها بود، که منجر به کاهش خطای انسانی می شود. این مدل می تواند برای تشخیص سایر میکروفیلرهای شایع در ایران نیز توسعه یابد .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 ، انگل شناسی دامپزشکی ، دیروفیلاریا ایمیتیس