Deep Learning ermöglicht frühzeitige Erkennung und Klassifizierung lebender Bakterien mittels Holographie
Entwicklung eines KI-gestützten intelligenten Bildgebungssystems zur Früherkennung und Klassifizierung von lebenden Bakterien in Wasserproben
PublicDomainPictures/ Pixabay
Hongda Wang, Hatice Ceylan Koydemir, Yunzhe Qiu, Bijie Bai, Yibo Zhang, Yiyin Jin, Sabiha Tok, Enis Cagatay Yilmaz, Esin Gumustekin, Yilin Luo, Yair Rivenson, Aydogan Ozcan
Daher besteht ein dringender Bedarf an einer automatisierten Methode, mit der ein schneller und hochempfindlicher Nachweis von Bakterienkolonien im Hochdurchsatz erreicht werden kann und die eine leistungsfähige Alternative zu den derzeit verfügbaren, von der EPA zugelassenen Goldstandard-Methoden darstellt, die mindestens 24 Stunden dauern und einen Experten für die Koloniezählung erfordern.
In einer neuen Veröffentlichung in Light: Science & Applications veröffentlicht wurde, hat ein Team von Wissenschaftlern unter der Leitung von Professor Aydogan Ozcan vom Electrical and Computer Engineering Department an der University of California, Los Angeles (UCLA), USA, und Mitarbeitern ein KI-gestütztes intelligentes Bildgebungssystem zur Früherkennung und Klassifizierung lebender Bakterien in Wasserproben entwickelt. Auf der Grundlage der Holographie entwarfen sie ein hochempfindliches Imaging-System mit hohem Durchsatz, das kontinuierlich mikroskopische Bilder einer ganzen Kulturplatte, auf der Bakterien wachsen, aufnimmt, um durch die Analyse dieser Zeitraffer-Bilder mit einem tiefen neuronalen Netzwerk schnell das Wachstum von Kolonien zu erkennen. Nach dem Nachweis jedes Koloniewachstums wird ein zweites neuronales Netzwerk verwendet, um die Art der Bakterien zu klassifizieren.
Die Wirksamkeit dieser einzigartigen Plattform wurde durch die Durchführung einer Früherkennung und Klassifizierung von drei Arten von Bakterien, d.h. E. coli, Klebsiella aerogenes (K. aerogenes) und Klebsiella pneumoniae (K. pneumoniae), demonstriert, und die Forscher der UCLA erreichten eine Nachweisgrenze von 1 koloniebildenden Bakterium pro 1 Liter Wasserprobe unter 9 Stunden Gesamttestzeit, was eine Zeitersparnis von mehr als 12 Stunden für den Bakteriennachweis im Vergleich zu den Goldstandard-EPA-Methoden darstellt. Diese Ergebnisse unterstreichen das transformative Potenzial dieser KI-gestützten holographischen Bildgebungsplattform, die nicht nur einen hochempfindlichen, schnellen und kostengünstigen Nachweis lebender Bakterien ermöglicht, sondern auch ein leistungsstarkes und vielseitiges Werkzeug für die mikrobiologische Forschung darstellt.
Hinweis: Dieser Artikel wurde mit einem Computersystem ohne menschlichen Eingriff übersetzt. LUMITOS bietet diese automatischen Übersetzungen an, um eine größere Bandbreite an aktuellen Nachrichten zu präsentieren. Da dieser Artikel mit automatischer Übersetzung übersetzt wurde, ist es möglich, dass er Fehler im Vokabular, in der Syntax oder in der Grammatik enthält. Den ursprünglichen Artikel in Englisch finden Sie hier.