ข้อมูลจากบทคัดย่อ
ระบบใช้ YOLOv4-tiny หาเชื้อ UNet แยกบริเวณ และ DINOv2 จำแนกชนิด Candida จากภาพจุลทรรศน์ การจำแนก C. albicans กับ C. krusei ให้ความแม่นยำ 98.0-98.8% และ F1 0.981 ส่วนงานสี่กลุ่มให้ precision, recall และ F1 สูงสุด 0.977 การตรวจไขว้ห้าพับให้ความแม่นยำ 94.8-98.3% และ AUC 0.990-0.998 ผลเป็น proof of concept ที่ดี แต่ข้อมูลมาจากชุดภาพและกระบวนการเตรียมที่ควบคุม แม้ตรวจไขว้ก็ไม่เท่าการทดสอบหลายศูนย์แบบไปข้างหน้า จึงยังต้องประเมินเชื้อหลากหลาย คุณภาพภาพจริง ความผิดพลาด และเวลาใช้งานก่อนช่วยวินิจฉัย
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 74/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: COVID-19 diagnosis using AI · AI in cancer detection · Cell Image Analysis Techniques
บทบาทของนักวิจัยและสถาบันไทย
Fingani Annie Mphande-Nyasulu · Prasert Trivijitsilp · Dr Suchanun Meksang · Salisa Kongpanyakul · Paveenuch Kulalert · Naruchit Soiphet · Teerawat Tongloy · Santhad Chuwongin · Siridech Boonsang · Veerayuth Kittichai · King Mongkut's Institute of Technology Ladkrabang
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง