研究目的
利用高光谱显微镜成像技术结合卷积神经网络对食源性细菌进行分类，以实现细胞水平的快速检测与分类。
研究成果
结合卷积神经网络框架的人机交互技术展现出作为新型食源性细菌检测与分类光学诊断工具的潜力。U-Net网络能快速自动地生成精确的细胞感兴趣区域分割掩膜，而一维卷积神经网络在区分光谱特征方面实现了高分类准确率。
研究不足
使用手工分割方法手动提取光谱轮廓数据既耗时又繁琐。当前化学计量学方法采用多种特征提取协议但分类准确率较低，这也限制了人机交互技术的发展。
1：实验设计与方法选择：
采用高光谱显微镜成像（HMI）技术结合卷积神经网络（CNN）对食源性细菌种类进行分类。分别使用U-Net和一维卷积神经网络（1D-CNN）进行细胞感兴趣区域（ROI）分割与光谱特征分类。
2：样本选择与数据来源：
获取并制备五种食源性细菌（胎儿弯曲杆菌、大肠杆菌、无害李斯特菌、鼠伤寒沙门氏菌和金黄色葡萄球菌）的纯化分离株以采集HMI数据。
3：实验设备与材料清单：
自组装HMI系统包含正置显微镜、声光可调谐滤光器（AOTF）光谱仪、电子倍增电荷耦合器件（EMCCD）相机及配备金属卤化物（MH）灯的暗场照明装置。
4：实验流程与操作步骤：
通过HMI系统制备并扫描细菌样本，在450-800纳米波长范围内获取超立方体数据。细胞ROI光谱数据处理流程包括分割、超立方体重构、光谱特征制备及数据集构建。
5：数据分析方法：
比较U-Net分割与1D-CNN分类相较于传统方法（Otsu和分水岭算法分割；PCA-KNN与PCA-SVM分类）的效果，采用平均像素精度（MPA）和平均交并比（MIOU）评估性能。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
electron-multiplying charge-coupled device camera
iXon
Andor Technology
Used for capturing high-resolution cell images at the field of view (FOV) in the HMI system.
-
upright microscope
Eclipse e80i
Nikon
Used for data acquisition in the HMI system.
-
acousto-optic tunable filter spectrometer
Chromo&Housego
Used for obtaining optimum diffracted light intensity in the HMI system.
-
dark-field illuminator
Cytoviva
Used with a metal halide (MH) lamp for illuminating bacterial samples in the HMI system.
-
metal halide lamp
24 W
Ushio America
Used as a light source in the dark-field illuminator for the HMI system.
-
登录查看剩余3件设备及参数对照表
查看全部
