Tudományos Diákkör    
 
 
Felhívás
Meghívó 2023.
Állatorvos szekciók
TDK zsűri
Biológus szekció
Díjak
Díjazottak
Fényképalbumok
» Archívum
2022. TDK
2021. TDK
2020. TDK
2019. TDK
2018. TDK
2017. TDK
2016. TDK
2015. OTDK
2015. TDK
2014. TDK
2013. TDK
2013. Támop
2013. OTKD
2012. TDK
2012. Támop
2011. TDK
2010. TDK
2009. TDK
2009. OTDK
2008. TDK
2007. TDK
2006. TDK
2005. TDK
2004. TDK
2003. TDK
2002. TDK
Szabályzat
Home » Archívum

Archívum

Élőcsíraszám-meghatározás mély neurális hálózatokkal
Fodróczy Bettina V. évfolyam
Állatorvostudományi Egyetem, Járványtani és Mikrobiológiai Tanszék
Témavezetők: Dr. Makrai László, Dr. Solymosi Norbert

Absztrakt:

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.



Előadások listája