CN110205399A - 一种基于科玛嘉培养的真菌的数据采集方法 - Google Patents

一种基于科玛嘉培养的真菌的数据采集方法 Download PDF

Info

Publication number
CN110205399A
CN110205399A CN201910523345.8A CN201910523345A CN110205399A CN 110205399 A CN110205399 A CN 110205399A CN 201910523345 A CN201910523345 A CN 201910523345A CN 110205399 A CN110205399 A CN 110205399A
Authority
CN
China
Prior art keywords
fungi
kerma
kinetic energy
unit
culture
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN201910523345.8A
Other languages
English (en)
Inventor
刘瑞
许慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yibao Medical Science And Technology (shanghai) Co Ltd
Original Assignee
Yibao Medical Science And Technology (shanghai) Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yibao Medical Science And Technology (shanghai) Co Ltd filed Critical Yibao Medical Science And Technology (shanghai) Co Ltd
Priority to CN201910523345.8A priority Critical patent/CN110205399A/zh
Publication of CN110205399A publication Critical patent/CN110205399A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
    • C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
    • C12Q1/6888—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms
    • C12Q1/6895—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms for plants, fungi or algae
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts

Landscapes

  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Wood Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Zoology (AREA)
  • Physics & Mathematics (AREA)
  • Biotechnology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Genetics & Genomics (AREA)
  • Microbiology (AREA)
  • Biochemistry (AREA)
  • Biophysics (AREA)
  • General Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Toxicology (AREA)
  • Botany (AREA)
  • Mycology (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明公开了一种基于科玛嘉培养的真菌的数据采集方法，包括步骤：1）在患者身上的角质层或者毛发上采集带有目标菌体的样本，并进行编号；2）将采集的目标菌体经过多次培养后提纯；3）将提纯后的真菌进行DNA测序；4）将提纯后的真菌取单菌落在科玛嘉培养皿上于48小时进行显色培养；5）将培养好的真菌显色结果与DNA测序结果进行对比矫正，剔除存在问题的样本；6）对已经确保无误并培养好的菌落进行拍摄；7）利用人工智能对在科玛嘉培养皿中的显色真菌的照片进行数据采集和识别。利用图像识别的方式来帮助还不能诊断真菌种类的医院和医生进行智能辅助，以达到降低认知成本的目的。

Description

一种基于科玛嘉培养的真菌的数据采集方法
技术领域
本发明属于真菌鉴别技术领域，特别是涉及一种基于科玛嘉培养的真菌的数据采集方法。
背景技术
随着医学领域的不断推进，发现的真菌种类越来越多，其中部分的真菌对人类的健康是有害的，在临床上也引发了不少的疾病，其中少数的免疫力低下的患者可能被其危及生命。而在国内对真菌认识的人群是较少的，在非一线的城市对其认知和鉴别都是有所欠缺的。现有的真菌的鉴别依靠质谱，鉴别速度快；但设备昂贵，很多医院买不起，真菌检测的时候不是单菌落，检测时很可能存在其它混合菌落；小医院很多没有开设真菌鉴别的检验科，不能准确高效的鉴别真菌；现有的真菌检测的方式还有通过培养皿显色进行鉴别，都是人为进行鉴别；虽然较为简单、造价较为低廉，通常只有开设真菌实验室或检验科的工作人员才有机会进行学习，很多小医院真菌资料并不全甚至没有，对真菌鉴别无从下手。
而近年来人工智能领域的蓬勃发展常常伴随跨领域的复合型领域发展。在真菌识别方式上，利用科玛嘉培养皿对真菌进行显色培养，如果利用图像识别的方式来帮助还并不能诊断真菌种类的医院和医生进行智能辅助，以达到降低认知成本的目的，以及帮助患者更早的确诊，降低延误病情的概率。
因此，如何解决上述问题成为本领域人员研究的重点。
发明内容
本发明的目的就是提供一种基于科玛嘉培养的真菌的数据采集方法，能完全解决上述现有技术真菌检测成本高，设备昂贵，小医院及一般检验科人员无法完成真菌检测的不足之处。
本发明的目的通过下述技术方案来实现：
一种基于科玛嘉培养的真菌的数据采集方法，包括步骤：
1）样本采集：在患者身上的角质层或者毛发上采集带有目标菌体的样本，并进行编号；
2）样本培养、提纯：将采集的目标菌体经过多次培养后提纯；
3）DNA测序：将提纯后的真菌进行DNA测序；
4）显色培养：将提纯后的真菌取单菌落在科玛嘉培养皿上于48小时进行显色培养；
5）对比确认：将培养好的显色真菌与DNA测序结果进行对比矫正；
6）拍摄：对已经确保无误的菌落进行拍摄；
7）数据采集：利用人工智能对拍摄的在科玛嘉培养皿中的显色真菌的照片进行数据采集和识别。
作为优选，所述拍摄步骤的时候，选择在科玛嘉培养皿显色良好的真菌进行拍照，并将拍摄环境统一为灯箱摄影棚，黑色背景，在科玛嘉培养皿旁边添加比色卡，并在聚焦时聚焦到比色卡上。
作为优选，对在科玛嘉培养皿中显色的真菌进行拍照时，对其进行正反两面拍摄，并尽可能选择像素高的设备进行拍摄。
作为优选，将拍摄的科玛嘉培养皿中的显色真菌的样本进行AI训练，得到一个无限趋近于标准值的结果。
作为优选，所述通过算法操作，降低不同条件对真菌检测结果的影响因素。
作为优选，将产生误差的环境条件以及相关的失败案例反馈给相关工程师，提高各种环境下的检测结果，完善其适应条件。
作为优选，所有操作步骤严格遵守其对应的操作规范，例如：无菌操作规范、菌落提纯操作规范。
与现有技术相比，本发明的有益效果在于：
本发明利用科玛嘉培养皿对真菌进行显色培养，利用图像识别的方式来帮助还不能诊断真菌种类的医院和医生进行智能辅助，以达到降低认知成本的目的，以及帮助患者更早的确诊，降低延误病情的概率，同时也能降低真菌鉴别的造价成本，可以批量的检测，节省人力、物力、时间的成本。
附图说明
图1是本发明的原理框图。
具体实施方式
下面结合具体实施例和附图对本发明作进一步的说明。
实施例一
如图1所示，一种基于科玛嘉培养的真菌的数据采集方法，包括步骤：
1）样本采集：在患者身上的角质层或者毛发上采集带有目标菌体的样本，并进行编号；
2）样本培养、提纯：将采集的目标菌体经过多次培养后提纯；
3）DNA测序：将提纯后的真菌进行DNA测序；
4）显色培养：将提纯后的真菌取单菌落在科玛嘉培养皿上于48小时进行显色培养，显色培养尽量提取单菌落；
5）对比确认：将培养好的显色真菌与DNA测序结果进行对比矫正，将每一个编号的菌都做DNA测序检测和科玛嘉培养皿显色培养，将DNA测序的结果与做科玛嘉培养皿显色培养的菌落的显色情况做比对；
6）拍摄：把已经确保无误的菌落进行拍摄；
7）数据采集：利用人工智能对拍摄的科玛嘉培养皿显色真菌进行数据采集和识别。
将拍摄的科玛嘉培养皿显色真菌的样本进行AI训练，得到一个无限趋近于标准值的结果，通过一系列的算法操作，降低不同的条件对真菌检测结果的影响因素，将产生误差的环境条件以及相关的失败案例反馈给相关工程师，以便提高各种环境的检测结果，完善其适应条件。所有操作步骤严格遵守其对应的操作规范，例如：无菌操作规范、菌落提纯操作规范。
本实施例中，利用科玛嘉培养皿对真菌进行显色培养，利用图像识别的方式来帮助还不能诊断真菌种类的医院和医生进行智能辅助，以达到降低认知成本的目的，以及帮助患者更早的确诊，降低延误病情的概率，同时也能降低真菌鉴别的造价成本，可以批量的检测，节省人力、物力、时间的成本。
实施例二
如图1所示，一种基于科玛嘉培养的真菌的数据采集方法，包括步骤：
1）样本采集：在患者身上的角质层或者毛发上采集带有目标菌体的样本，并进行编号；
2）样本培养、提纯：将采集的目标菌体经过多次培养后提纯；
3）DNA测序：将提纯后的真菌进行DNA测序；
4）显色培养：将提纯后的真菌取单菌落在科玛嘉培养皿上于48小时进行显色培养，显色培养尽量提取单菌落；
5）对比确认：将培养好的显色真菌与DNA测序结果进行对比矫正，将每一个编号的菌都做DNA测序检测和科玛嘉培养皿显色培养，将DNA测序的结果与做科玛嘉培养皿显色培养的菌落的显色情况做比对；
6）拍摄：对已经确保无误的菌落进行拍摄；拍摄环境统一为灯箱摄影棚，黑色背景，为了确保颜色更接近颜色真实颜色，在科玛嘉培养皿旁边添加比色卡，并在聚焦时聚焦到比色卡上，对科玛嘉培养皿进行拍照时，对其进行正反两面的拍摄，拍摄时选取的像素越高越好，以保证真菌其它细微的特征得以保留，以方便后期模型添加除颜色以外的其他特征。
7）数据采集：利用人工智能对拍摄的科玛嘉培养皿显色真菌进行数据采集和识别。
将拍摄的科玛嘉培养皿显色真菌的样本进行AI训练，得到一个无限趋近于标准值的结果，通过一系列的算法操作，降低不同的条件对真菌检测结果的影响因素，将产生误差的环境条件以及相关的失败案例反馈给相关工程师，以便提高各种环境的检测结果，完善其适应条件。所有操作步骤严格遵守其对应的操作规范，例如：无菌操作规范、菌落提纯操作规范。
本实施例中，通过规范的拍摄方式，尽可能保证真菌在科玛嘉培养皿显色培养中的各种情况特征能够得以保留。也方便后面人工智能对真菌识别的进一步优化时需要提取更多特征，可以减少数据采集的时间成本，提高效率。最终，使得人工智能识别能够快速高效地识别真菌，辅助医生检验真菌种类，提早确定病症、病因，同时也能降低真菌鉴别的造价成本。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于科玛嘉培养的真菌的数据采集方法，其特征在于：包括步骤：
1）样本采集：在患者身上的角质层或者毛发上采集带有目标菌体的样本，并进行编号；
2）样本培养、提纯：将采集的目标菌体经过多次培养后提纯；
3）DNA测序：将提纯后的真菌进行DNA测序；
4）显色培养：将提纯后的真菌取单菌落在科玛嘉培养皿上于48小时进行显色培养；
5）对比确认：将培养好的显色真菌与DNA测序结果进行对比矫正；
6）拍摄：对已经确保无误的菌落进行拍摄；
7）数据采集：利用人工智能对拍摄的在科玛嘉培养皿中的显色真菌的照片进行数据采集和识别。
2.根据权利要求1所述的一种基于科玛嘉培养的真菌的数据采集方法，其特征在于：所述拍摄步骤的时候，选择在科玛嘉培养皿显色良好的真菌进行拍照，并将拍摄环境统一为灯箱摄影棚，黑色背景，在科玛嘉培养皿旁边添加比色卡，并在聚焦时聚焦到比色卡上。
3.根据权利要求1所述的一种基于科玛嘉培养的真菌的数据采集方法，其特征在于：对在科玛嘉培养皿中显色的真菌进行拍照时，对其进行正反两面拍摄，并尽可能选择像素高的设备进行拍摄。
4.根据权利要求1所述的一种基于科玛嘉培养的真菌的数据采集方法，其特征在于：将拍摄的科玛嘉培养皿中的显色真菌的样本进行AI训练，得到一个无限趋近于标准值的结果。
5.根据权利要求1所述的一种基于科玛嘉培养的真菌的数据采集方法，其特征在于：所述通过算法操作，降低不同条件对真菌检测结果的影响因素。
6.根据权利要求1所述的一种基于科玛嘉培养的真菌的数据采集方法，其特征在于：将产生误差的环境条件以及相关的失败案例反馈给相关工程师，提高各种环境下的检测结果，完善其适应条件。
7.根据权利要求1所述的一种基于科玛嘉培养的真菌的数据采集方法，其特征在于：所有操作步骤严格遵守其对应的操作规范，例如：无菌操作规范、菌落提纯操作规范。
CN201910523345.8A 2019-06-17 2019-06-17 一种基于科玛嘉培养的真菌的数据采集方法 Withdrawn CN110205399A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910523345.8A CN110205399A (zh) 2019-06-17 2019-06-17 一种基于科玛嘉培养的真菌的数据采集方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910523345.8A CN110205399A (zh) 2019-06-17 2019-06-17 一种基于科玛嘉培养的真菌的数据采集方法

Publications (1)

Publication Number Publication Date
CN110205399A true CN110205399A (zh) 2019-09-06

Family

ID=67793147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910523345.8A Withdrawn CN110205399A (zh) 2019-06-17 2019-06-17 一种基于科玛嘉培养的真菌的数据采集方法

Country Status (1)

Country Link
CN (1) CN110205399A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112633370A (zh) * 2020-12-22 2021-04-09 中国医学科学院北京协和医院 一种针对丝状真菌形态的检测方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6792132B1 (en) * 1998-02-03 2004-09-14 Hakuju Institute For Health Science Co., Ltd. Inspection method for microorganisms and the like, and unit therefor
US20040253660A1 (en) * 2003-06-12 2004-12-16 Giles Scientific, Inc. Automated microbiological testing apparatus and method
CN107358193A (zh) * 2017-07-07 2017-11-17 南京天数信息科技有限公司 基于InceptionV3+全连接网络的皮肤真菌识别检测方法
CN108520206A (zh) * 2018-03-22 2018-09-11 南京大学 一种基于全卷积神经网络的真菌显微图像识别方法
CN109614856A (zh) * 2018-10-31 2019-04-12 西安理工大学 基于卷积神经网络的真菌图像分类方法
CN109829901A (zh) * 2019-01-21 2019-05-31 武汉爱尔眼科汉口医院有限公司 一种基于卷积神经网络的真菌性角膜炎检测方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6792132B1 (en) * 1998-02-03 2004-09-14 Hakuju Institute For Health Science Co., Ltd. Inspection method for microorganisms and the like, and unit therefor
US20040253660A1 (en) * 2003-06-12 2004-12-16 Giles Scientific, Inc. Automated microbiological testing apparatus and method
CN107358193A (zh) * 2017-07-07 2017-11-17 南京天数信息科技有限公司 基于InceptionV3+全连接网络的皮肤真菌识别检测方法
CN108520206A (zh) * 2018-03-22 2018-09-11 南京大学 一种基于全卷积神经网络的真菌显微图像识别方法
CN109614856A (zh) * 2018-10-31 2019-04-12 西安理工大学 基于卷积神经网络的真菌图像分类方法
CN109829901A (zh) * 2019-01-21 2019-05-31 武汉爱尔眼科汉口医院有限公司 一种基于卷积神经网络的真菌性角膜炎检测方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112633370A (zh) * 2020-12-22 2021-04-09 中国医学科学院北京协和医院 一种针对丝状真菌形态的检测方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN109118485A (zh) 基于多任务神经网络的消化道内镜图像分类及早癌检测系统
Agbulos et al. Identification of leaf blast and brown spot diseases on rice leaf with YOLO algorithm
CN109411084A (zh) 一种基于深度学习的肠结核辅助诊断系统及方法
CN111368895A (zh) 一种湿垃圾中垃圾袋目标检测方法及检测系统
CN109325495A (zh) 一种基于深度神经网络建模的作物图像分割系统及方法
WO2011162548A2 (ko) 홍채 진단을 통한 건강 관리 시스템 및 방법
CN108009592A (zh) 一种糖尿病性视网膜图像自动分类方法
CN109961838A (zh) 一种基于深度学习的超声影像慢性肾脏病辅助筛查方法
US20240335156A1 (en) Measurement method and system based on image electroencephalogram sensitivity data for built environment dominant color
CN114049550A (zh) 基于深度学习的笼养死亡肉鸡自动识别方法
CN110205399A (zh) 一种基于科玛嘉培养的真菌的数据采集方法
CN103841175A (zh) 一种图像特征信息传输方法、装置及系统
CN109242792A (zh) 一种基于白色物体的白平衡校对方法
Velliangiri et al. Investigation of deep learning schemes in medical application
Abushawish et al. Deep learning in automatic diabetic retinopathy detection and grading systems: A comprehensive survey and comparison of methods
Peng et al. Real-time detection of ureteral orifice in urinary endoscopy videos based on deep learning
CN1036118C (zh) 肿瘤图像诊断方法及系统
CN115719336A (zh) 一种基于迁移学习的深度神经网络脑肿瘤图像分类方法
Benfodil et al. Prediction of Trypanosoma evansi infection in dromedaries using artificial neural network (ANN)
CN113796850A (zh) 甲状旁腺mibi图像分析系统、计算机设备及存储介质
Li et al. Identification Of Imaging Features Of Diabetes Mellitus And Tuberculosis Based On YOLOv8x Model Combined With RepEca Network Structure
CN117994266B (zh) 一种基于对抗性域适应的低质量眼底彩照智能分割方法
Ndovie et al. Leveraging MobileNetV3 for In-Field Tomato Disease Detection in Malawi via CNN
Harun et al. Automated white blood cells counting system for acute leukemia based on blood images
Tanwar et al. Implementing a Hybrid CNN-SVM Model for Banana Leaf Disease Classification

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20190906