基于Kubic FLOTAC显微镜的深度学习工作流在肝片形吸虫和双腔吸虫虫卵自动检测中的应用研究

研究人员针对反刍动物寄生虫病诊断中肝片形吸虫(Fasciola hepatica)和双腔吸虫(Calicophoron daubneyi)虫卵形态相似导致的误诊问题，开发了集成Kubic FLOTAC显微镜(KFM)的AI检测系统。通过优化样本制备流程和YOLOv8模型训练，实现了平均每样本仅8个虫卵的计数误差，为现场快速诊断提供了便携式解决方案。

　　

在反刍动物养殖业中，肝片形吸虫(Fasciola hepatica)和双腔吸虫(Calicophoron daubneyi)感染造成的经济损失高达30亿欧元，同时前者还是重要的人畜共患病病原。传统诊断依赖光学显微镜观察，但两种吸虫虫卵在浮选处理后形成的卵壳形态相似，极易造成误判。现有自动化检测系统多针对线虫类寄生虫，对吸虫卵壳的识别能力不足，且大多需要实验室环境操作。

为解决这一技术瓶颈，来自意大利那不勒斯费德里科二世大学的研究团队在《International Journal for Parasitology》发表了创新性研究成果。他们改进了便携式Kubic FLOTAC显微镜(KFM)系统，集成基于YOLOv8架构的深度学习模型，开发出适用于野外环境的自动化检测方案。研究采用两种样本制备方案（人工加标样本和自然感染样本）构建训练数据集，通过优化图像预处理流程（包括色彩校正和重叠区域识别算法），显著提升了复杂背景下虫卵识别的准确性。

关键技术方法包括：1) 采用Mini-FLOTAC技术制备含不同浓度虫卵的粪便样本；2) 通过KFM自动扫描系统获取1600×1200分辨率图像；3) 开发专用标注工具构建含6186个F. hepatica和3234个C. daubneyi卵壳标注的数据集；4) 应用YOLOv8模型进行训练优化；5) 设计基于结构相似性(SSIM)的重叠区域去重算法。

研究结果显示：

1. 1.

   模型性能验证：在内部测试集上达到96.7%的F. hepatica识别准确率(AP50)，整体mAP50为94.2%。对自然感染样本的识别性能(mAP50 77.6%)低于人工加标样本，主要受样本杂质影响。

2. 2.

   系统鲁棒性测试：针对不同污染程度样本，预处理流程使F1值从0.61提升至0.75（F. hepatica）和0.58提升至0.82（C. daubneyi）。

3. 3.

   临床实用性验证：与光学显微镜计数相比，系统产生的粪便虫卵计数(FEC)平均绝对误差为8个/样本。

讨论部分指出，当前系统对F. hepatica卵壳的识别性能差异可能与浮选后虫卵的空间分布特性有关。研究团队正在开发实时自动对焦功能以解决该问题。相比商业竞品如Parasight System和VETSCAN IMAGYST，KFM系统的独特优势在于：1) 专为相似卵壳识别设计的预处理算法；2) 电池供电的便携式设计；3) 整合FLOTAC技术的高灵敏度特性。

该研究首次实现了对两种重要兽医寄生虫卵壳的自动化区分检测，为养殖场现场诊断提供了可靠工具。未来工作将扩展系统对其他寄生虫卵的识别能力，并探索模型压缩技术以适应更多应用场景。这项技术的推广应用有望显著提升寄生虫病监测效率，为全球反刍动物健康管理提供新的技术支撑。