深度学习无标记快速鉴定临床细菌种类

该事件围绕利用深度学习从显微图像中无标记鉴定细菌菌种的研究展开。早期报道介绍了一种基于深度学习的菌种鉴定方法，但当时主要针对实验室菌株。2026年10月10日，bioRxiv发布预印本，研究将该方法扩展至临床分离株，采用自监督适配的DINOv3视觉Transformer，从微流控陷阱中相差延时图像进行无荧光标记识别。在Mueller-Hinton培养基预培养的5种临床分离株中，60帧（118分钟）平均macro-F1达93.6±1.3%；在掺入供体血的E. coli与K. pneumoniae分离株中，55帧（54分钟）为87.2±2.7%。目前进展为预印本阶段。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。