利用卷积神经网络分析生物液体的干燥斑点，实现尿路感染的快速检测

《Scientific Reports》：Rapid detection of urinary tract infection by analyzing the dried spots of biological fluids using convolutional neural networks

　　

摘要

为找出尿路感染等传染病的病因，研究人员采用了诊断模式检测法。该方法通过将每个人的全血和血清样本置于玻璃基底上干燥，形成具有中心区和边缘区的特殊图案。整个过程在25°C下仅需1小时，远远短于传统的检测方法。所得图案可通过光学显微镜观察。本研究旨在对尿路感染患者与健康对照组（N=600）进行分类。此外，还会用相机拍摄干燥后的图案图像，再通过图形用户界面运行的卷积神经网络算法进行分类分析。分析结果几分钟内即可得出，该方法的准确率分别为：通过干燥血斑分析为90.8%，通过干燥血清斑分析为86.6%，能够有效区分患者与健康人群。由于设计简单，无需专业人员、有毒试剂或昂贵设备，而且还能比其他常见方法更快地识别出受污染的样本及污染物，因此这种方法有望得到广泛应用。