Szekciók

Mikroorganizmusok meghatározása és mennyiségi kimutatása tömeg- vagy térfogat egységre vonatkoztatva általános feladat a mikrobiológia területén, például élelmiszerhigiéniában, infektológiában, vagy biológiai kutatásokban. A szilárd táptalajon végzett vizsgálat esetén telepszámlálással határozzuk meg a minta élőcsíraszámát. Ez a mai napig manuálisan történik, azonban meglehetősen idő- és munkaigényes folyamat, amely jelentős költségeket is von maga után. Az élőcsíraszám-meghatározás automatizálása emiatt már régóta igény.

Kutatásunkban - a fejlődő technológia által nyújtott lehetőségeket kihasználva - olyan konvolúciós neurális hálózatot (CNN) alkalmazó algoritmust fejlesztettük, amely képes lehet egy okostelefon által készített képről meghatározni az adott baktérium élőcsíraszámát. Munkánk során 28 mikroorganizmus-fajt tenyésztettünk. Az adott mikróba kioltása és szélesztése során az igényeinek megfelelő táptalajt és inkubációs időt választottunk. A tenyészetekről okostelefonnal készítettünk digitális fényképeket, amelyeket a COCO Annotator (https://github.com/jsbroks/coco‐annotator) nevű, web-alapú képmegjelölő eszközzel annotáltunk. Az annotált képeink felhasználásával tanítottuk a train2017 COCO-adatokon előtanított R101-DC5 Faster R-CNN neurális hálózatot. A CNN 40 000 iterációja után kapott súlyok alapján az egyes fajokra vonatkozó predikciós pontosság 93.9%-os lett. Ez azt jelenti, hogy a validációs állományban annotált telepek fajra vonatkozó értéke milyen arányban egyezett meg a prediktált telepek fajra vonatkozó értékével. A teszthalmazon ellenőrizve a CNN-t, 5 fajnál a prediktált és megfigyelt telepszám egyezősége 100% volt, míg további 4 fajnál 95% feletti. Összesen 10 fajnál tapasztaltunk 90% feletti egyezőséget, de 5 mikrobánál előfordult, hogy a teszt során 50% alatt eredményt kaptunk. Vannak fajok, ahol az algoritmus rendkívül precízen működik, de a precizitás hiánya alacsony egyezőségű fajoknál sem jelenthető ki egyértelműen, ugyanis előfordult, hogy egyes fajok különböző tesztképeit vizsgálva, a köztük levő szórás 66,3% volt. A CNN-súlyadatbázis alapján készítettünk egy felhasználóbarát, grafikus felhasználói felülettel rendelkező CFU-detector elnevezésű szoftvert, amelynek segítségével a felhasználó Petri-csészékről készült felvételeken lévő baktériumtelepeket detektálhat, becsülheti azok számát.

Az élőcsíraszám-meghatározás nélkülözhetetlen feladat a mikrobiológia területén, automatizálása pedig nemzetközi igény. A kutatómunkánk eredményei azt mutatják, hogy a konvolúciós neurális hálózatok potenciális megoldást kínálnak a problémára, és használatukkal szinte tökéletesen lehet reprodukálni a manuálisan végzett telepszámlálást. Ez a jövőben nemcsak a feladat élőmunka-igényét csökkenti, de hozzájárul a pontosabb, gyorsabb és olcsóbb diagnózishoz.