使用人工智能识别Bloodborne细菌
流体成像技术和科罗拉多大学博尔德最近进入了一个独家研究协议,确定大学的人工智能软件可以识别bloodborne细菌。
合作将建立训练集数据从显微镜图像的十大通缉犯菌株引起血液感染,然后训练计算机自动识别细菌随流体成像技术的FlowCam油浸流成像显微镜。
我们采访了肯特彼得森CEO,流体成像技术,以了解更多关于协作,涉及的技术,以及它们如何可能会影响病人。
安娜·麦克唐纳(点):你能给我们一点背景如何科罗拉多大学之间的合作和流体成像技术来了呢?
肯特·彼得森(KP):泰德兰多夫博士多年来一直使用FlowCam仪器。他与一个人工智能软件专家测试生物制药配方使用FlowCam图像。以后,当我们介绍了专利FlowCam Nano,伦道夫博士和我谈到使用它来识别细菌与人工智能软件。如果是这样的话,它可能会改变脓毒症的治疗在医院和拯救许多生命的过程通过加快应用适当的抗生素。
问:你看到什么好处的使用人工智能识别血液传播细菌对传统方法?
KP:鉴别细菌的传统方法是文化细菌足够长的时间来获得一个足够大的样本(CFU)进行一系列板化验看这好板的抗生素是有效的。这一系列的分析确定哪些病人抗生素使用。这个过程需要两到三天。细菌与FlowCam纳米成像和识别与人工智能软件,确定适当的抗生素的过程预计需要大约一个小时。这是一个材料的改进,特别是治疗新生儿和老年病人的关键。
问:你能告诉我们更多关于nano-flow成像技术将被使用?
KP:适合获得专利油浸流FlowCam纳米显微镜和应用技术。概念使用高放大目标,瞄准蓝色LED光源和自营安排申请和油保留在一个垂直配置。这使得纳米粒子和微生物检测和成像以前所未有的清晰。
Ruairi MacKenzie (RM):需要多少数据训练神经网络?
KP:铜已经针对500000个人图片为每个细菌物种。该计划要求测试的前20个物种在新生儿医院环境中常见的细菌。
RM:研究人员最终将如何能够输入图像分析的CNN如果涉及到市场?
KP:新生儿的案件,一(1)滴血将通过FlowCam Nano和运行每运行(约20分钟)。图像将直接到CNN软件和匹配训练集(500000每个文件)。匹配过程预计需要计算机运行时的下一分钟。
肯特彼得森是安娜·麦克唐纳和Ruairi MacKenzie,科学技术网络作家。188金宝搏备用