在與水傳播的病原體相關的問題中，最常見的公共衛生問題之一是飲用水中存在大腸菌群和大腸桿菌（E. coli），這表明水源受到了糞便的污染。那麼，快速篩選大量複雜性的樣品，儘早識別食物，水和體液中的致病細菌非常重要，但目前實現這一目標仍具有挑戰性。

近日，加州大學團隊將相干顯微成像與神經網路深度學習相結合開發了首個高靈敏、高精度、高時效、低成本的微生物在線監測AI系統平台——用於活微生物的在線智能識別和分類。

該系統可定期捕獲直徑為60毫米的瓊脂平板內細菌生長的相干顯微鏡圖像，並使用深度神經網路分析生長延時的全息圖，實現快速檢測細菌生長和相應物種細菌分類。

研究團隊將兩個不同的深度神經網路（DNN）搭載在具有延時攝影功能的相干成像平台上進行智能監測操作。其中，第一個DNN用於儘早檢測細菌生長，第二個DNN用於根據從孵育的瓊脂平板的相干圖像獲得時空特徵對生長細菌的類型進行分類。

進一步地，研究團隊使用71個獨立實驗產生的約16,000個單個菌落建立、訓練和驗證了用於細菌生長檢測和分類的神經網路。隨後通過對三種細菌進行早期檢測和分類的實驗證明了該平台的有效性。

詳細內文請參考網址