AI辅助尿液有形成分识别在泌尿系统感染临床检验中的应用研究

李 娅琼, 罗 艳凤, 张 天莹, 王 琴, 罗 浩
云南商务职业学院

摘要


泌尿系统感染也就是UTI，它是全球比较常见的细菌感染性疾病当中的一种，每年被报告的病例数量超过1.5亿例，其中大肠埃希菌在社区获得性UTI里大概占75%-90%。传统的尿液分析依靠人工显微镜检查，存在劳动强度大、主观性较强、低浓度病原体容易漏检这样的局限性。这篇文章对AI辅助尿液分析技术在UTI诊断方面的研究进展做了综述，着重分析了深度学习在革兰染色图像识别、尿液培养物图像分析、干液滴图案识别等领域的应用现状。研究显示，基于深度学习的识别模型在革兰染色图像分类里准确率能达到87.9%，干液滴图案识别三分类准确率超过95%，KAN架构在尿液培养物分类中准确率为87.16%。虽然面临数据标准化、可解释性等挑战，AI技术已经展现出提高UTI诊断效率与准确性的很大潜力，有希望推动临床尿液检验朝着智能化方向发展。

关键词


人工智能；深度学习；泌尿系统感染；尿液有形成分；临床检验

全文:

PDF


参考


[1]Ganesh M A,Vaikuntanathan V,Sophia M,et al.Machine learning based point-of-care disease diagnostics using dried patterns formed by E. coli bacteria-laden sessile urine droplets[J]. medRxiv,2025.

[2]Yamamoto K,Ohji G,Miyatsuka I,et al. Accuracy of classification of urinary Gram-stain findings by a computer-aided diagnosis app compared with microbiology specialists[J]. Journal of Medical Microbiology,2025,74(4): 002008.

[3]Pawuś D,Porażko T,Paszkiel S. Kolmogorov–Arnold Networks for Automated Diagnosis of Urinary Tract Infections[J]. Journal of Molecular Pathology,2025,6(1):6.

[4]De Bruyne S,De Kesel P,Oyaert M. Artificial intelligence in urinalysis:a narrative review[J].Clinical Chemistry,2023,69(12):1348-1360.


Refbacks

  • 当前没有refback。