.png){kind=icon}
返回
MACNeXt-Based Bacteria Species Detection
.png){kind=icon}
OA
AI
DOI：10.3390/microorganisms13122689.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目标：细菌支撑着人类健康、环境平衡和工业过程。快速而准确的鉴定对于诊断和负责任的抗生素使用至关重要。培养、生化测试和显微镜检查方法缓慢、昂贵，且依赖于专家判断，这引入了主观性和错误。本研究旨在推荐一种新一代深度学习架构用于细菌物种分类。
方法学：我们整理了一个细菌图像数据集，该数据集包含在标准实验室条件下采集的18,221张来自24个物种的显微图像。所有图像均通过了清晰度和聚焦检查。我们开发了一种紧凑型卷积神经网络（CNN），即Multiple Activation Network（MACNeXt）。推荐的MACNeXt通过两种激活函数（GELU和ReLU）和多分支设计，保留了局部特征提取并改善了表示。目标是实现高精度且计算成本低，以适用于常规临床使用。
结果：MACNeXt在测试集上达到了90.97%的准确率、89.63%的精确率、88.64%的召回率和88.99%的F1分数。计算结果和发现表明，由于引入的MACNeXt约有440万个可学习参数，其设计高效且轻量化，在物种间表现出平衡且稳定的性能。
结论：MACNeXt的结果公开表明，该CNN是一种紧凑、轻量化且高精度的模型。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
M
IF:
4.2
论文数:
1.8W
被引数:
5.2W
机构
引用论文
Artificial intelligence for improved diagnosis and treatment of bacterial infections人工智能用于改善细菌感染的诊断和治疗.png)
IF0
PREAI
分享收藏Diagnostic accuracy of deep learning in medical imaging: a systematic review and meta-analysis深度学习在医学影像诊断中的准确性: 系统综述和荟萃分析NPJ DIGITAL MEDICINEOAAI
NPJ DIGITAL MEDICINEIF15.1
OAAI分享收藏Small-Scale Depthwise Separable Convolutional Neural Networks for Bacteria ClassificationElectronics
OAAI
ElectronicsIF0
OAAI分享收藏Microcell-Net: A deep neural network for multi-class classification of microscopic blood cell imagesEXPERT SYSTEMS
EXPERT SYSTEMSIF2.3
PREAI
分享收藏A dataset of microscopic peripheral blood cell images for development of automatic recognition systems用于开发自动识别系统的微观外周血细胞图像数据集OAAI
OAAI分享收藏Machine learning algorithms in microbial classification: a comparative analysis微生物分类中的机器学习算法: 比较分析OAAI
OAAI分享收藏
查看更多内容