基于Deeplabv3+算法的人工智能模型辅助临床念珠菌快速精准分类研究

摘要

目的：本研究基于Deeplabv3+的人工智能（AI）模型，高效、准确鉴别念珠菌显色图像，实现快速诊断。方法：选取167株临床常见念珠菌，经显色培养后采集1 020张图像用于Deeplabv3+模型的构建与性能验证。结果：AI对白念珠菌识别的准确率为91.00%、热带念珠菌为94.00%、光滑念珠菌为86.00%，平均识别准确率可达90.33%；同时选取3名经验丰富临床技师进行测试，人眼平均识别准确率为89.33%，较AI识别准确率差异无统计学意义（χ2=0.14,P>0.05）。在识别速度上，AI识别的平均速度为（1.88±0.04）s/张，人眼图像识别的平均速度为（1.93±0.33）s/张，两组比较差异无统计学意义（U=0.45,P>0.05），但AI识图较人眼识别更稳定，并且可以批量处理数据以及不受多维因素影响。结论：本研究基于Deeplabv3+算法构建的AI模型，对念珠菌显色培养基图像具有高效、准确鉴定能力，具有良好的推广前景。

关键词

念珠菌 / Deeplabv3+ / 人工智能 / 真菌 / 人眼图像识别