一种基于深度卷积神经网络的食源性肠道致病菌检测方法技术

一种基于深度卷积神经网络的食源性肠道致病菌检测方法，包括以下步骤：（1）对六种食源性肠道致病菌进行增菌、分离培养；（2）对培养后的典型菌落进行革兰氏染色，使用显微镜对染色后的镜检图片拍照与标注，收集原始食源性肠道致病菌数据集；（3）对原始数据集进行处理，按照7：3比例随机选取图片划分训练集与测试集，在输入深度卷积神经网络前应用数据增强方法处理图片，更加有效的训练模型；（4）根据镜检图像向量和标签向量建立深度卷积神经网络模型，按批次对模型进行训练，将学习的模型作为食源性肠道致病菌检测模型；（5）将分类结果交由专家人工核查，根据核查结果调整模型参数，提高食源性肠道致病菌检测精度。源性肠道致病菌检测精度。源性肠道致病菌检测精度。

【技术实现步骤摘要】
一种基于深度卷积神经网络的食源性肠道致病菌检测方法
[0001]

[0002]本专利技术属于食品安全领域、细菌检测领域与机器学习领域，涉及一种基于革兰氏染色镜检图像与机器学习技术结合实现食源性肠道致病菌检测的新方法。

技术介绍

[0003]随着人们生活水平的不断提高，食品安全日益受到重视。食源性致病菌污染是当今社会上不断增多的食品安全和突发公共卫生事件的主要诱因，对食源性肠道致病菌进行准确的检测成为亟待解决的重要问题。食源性致病菌现有检方法是：传统的细菌培养技术、免疫学技术（ELISA技术和免疫荧光标记）和代谢学检测技术（电阻抗技术和ATP生物发光法），其中传统的细菌培养技术，检验检测的原理主要是对样品中的微生物进行增殖,然后利用划线分离,实施选择性培养,进而观寨菌落特征,实现检测目标。该方法的弊端就在于操作繁琐,检测周期长,在一些应急情况下无法满足检测要求。ELISA技术是基于免疫学抗原
‑
抗体特异性结合的检测方法。对于沙门氏菌检测有着较好的检测范围和灵敏度。使用该方法进行沙门氏菌的检测也需要对于食品中的微生物进行增殖。免疫荧光标记属于食源性致病菌检测中的一类新型免疫学检测法,原理上主要是基于特异性抗体敏化的免疫色谱卡片。在具体操作中,仅需要将实现进行增殖后的样品滴加到免疫色谱卡上,就能够用肉眼直接观察结果。该方法在操作上十分便捷,无需其他设备辅助,具有较好的适应性。虽然同ELSA法一样需要进行样品的增殖,但增殖后的操作时间大概仅有10分钟。PCR技术是基于核酸的一类检测方法，近年来，用PCR技术在食源性致病菌领域的具体应用也出现了多元化发展，包括实时荧光定量PCR、逆转录PCR和电化学发光PCR等，并成为一些食源性致病菌的行业检测标准。电阻抗法测定法是新型的生物学检测技术,目前在食品微生物检测的领域也有了较好的应用。其原理是细菌在繁殖的过程中,其代谢过程和代谢产物会导致培养基的阻抗发生变化,通过对这种变化的检测就能够实现对于相关微生物的判断。目前,电阻抗法已被AOAC接收,适用于检测食品中细菌总数、大肠杆菌和沙门氏菌等。ATP是细胞内必需的一种代谢产物,使用荧光虫素和荧光虫素酶可使之释放出能量,产生磷光。而在特定环境下,细菌细胞内的ATP含量是相对固定的。因此,通过对该磷光的强度检测实现对于细菌菌落总数的判定。由于该ATP生物发光法主要是对菌落总数进行检测,因此通常用于反映食品受污染的严重程度,具有简便、省时、快速等特点,还可以被用于大量食品样本中菌污染情况检测和食品现场快速检测等。但是,若样品中含有大量非细胞性ATP,则检测结果可受干扰。
[0004]因此上述传统检测方法较为依赖经验且耗时较长，对检测人员的专业要求较高，需要在微生物检测方面进行系统专业的培训学习才能进行检验分析，且在分析的过程中存在着一定的误判与漏判情况。
[0005]近年来，由于大数据处理技术的出现，深度学习算法取得了显著进展并广泛应用
于图像分类领域。因此，使用基于深度学习的自动化分类算法替代人工镜检不仅能够降低检测中的专家成本与操作耗时人为误判，也能提供更加客观准确的判断。
[0006]公开号为CN105046094A的专利技术专利申请公开了一种肠道菌群的检测系统及其方法和动态式数据库（申请人：深圳谱元科技有限公司）；肠道菌群的检测系统包括：用于采集肠道菌群信息的采集装置；对采集到的肠道菌群信息进行放大处理以获得每次个体检测时的肠道菌群数据的分析处理装置；用于存储肠道菌群数据的存储装置；用于将每次采集个体的肠道菌群数据与存储装置中的肠道菌群总数据进行比较的数据处理装置。该专利技术通过肠道菌群的检测，受检者能够了解自身肠道健康状况组成，并以此了解自己与健康人群的差异值，以此调节自己的饮食，运动，生活习惯等方面，进而改善肠道菌群状况，并以此改善身体健康状况。其中的动态数据库实时扩充数据库的容量，获得最新时期的各类人群的排泄物的检测参数。
[0007]公开号为CN113130074A的专利技术专利申请，公开了一种以肠道菌群特征为核心的健康评价方法（申请人：苏州思与健康科技有限公司），包括以下步骤：采集人体粪便样本经过培养后获得样品标本；样品标本通过检测方法以及仪器分析检测获得肠道菌群数据；根据菌群数据结合菌群分析数据库进行具体化分析；根据历史病历分析潜在病症；结合各项生理指标进行健康评价。该健康评价方法，将通过涂片检测法和培养检测法得到的数据，数据包括微生物种类及数量，还包括有益菌、致病菌和条件致病菌三者的比例数据，并将上述数据输入数据库，匹配对应病症，然后再输入历史病症和生理指标，利用大数据分析出最有可能获得的疾病，并重点进行检查，从而采用肠道菌群检查和计算机大数据分析的结合方式，排查潜在疾病。
[0008]公开号为CN111462819A公开了一种肠道微生物检测数据分析方法、自动化解读系统及介质（康美华大基因技术有限公司），本专利技术方法包括获取用户肠道微生物测序数据；对测序数据提取样本数据并对样本数据进行过滤；将过滤后的测序数据进行物种注释分类和功能注释分类，得到注释结果；对注释结果进行常规分析，所述常规分析包括多样性分析以及益生菌含量和病原菌含量分析；获取菌群功能和疾病关联数据库，基于注释结果，根据菌群功能和疾病关联数据库对常规分析结果进行自动解读。本专利技术可以自动化执行分析和解读，从而减少工作的压力，生成的分析结果形式多样、可读性好、符合用户的需求，并方便地进行流程化和批量化操作，人工解读工作量小，直观和方便。
[0009]然而，上述方法均为对人体肠道菌的检测结果进行大数据分析，在肠道菌的检测方法方面，并未做出创新性探索，仍依赖于传统检测方法进行检测。目前，在食源性肠道致病菌的检测方面，尚未有结合深度学习技术的系统性检测方法。当前该领域的技术空白主要体现在以下两个方面：1.缺少具有规模的食源性肠道致病菌数据集支撑基于深度学习的算法模型训练；2.缺少针对食源性肠道致病菌设计的深度学习算法模型快速、准确的对镜检图片进行分类判别。

技术实现思路

[0010]为解决上述问题，本专利技术提供了一种基于深度卷积神经网络的食源性肠道致病菌检测方法，首先对肠道致病菌进行增菌分离培养处理，完成对处理后样本的镜检图像收集，形成具有一定规模的食源性肠道致病菌镜检图像数据集，对数据集中图像进行图像增强处
理后，利用深度学习模型进行致病菌检测。目标是对使用革兰氏染色的肠道致病菌镜检图像进行检测，该方法可以辅助或替代传统检测方法中的人工镜检步骤，大幅降低检测中的专家成本与人为误判，实现大批量样本的快速、准确判断。
[0011]为了实现上述目的，本专利技术采用了以下技术方案：一种基于深度卷积神经网络的食源性肠道致病菌检测方法，步骤如下：步骤S1，对肠道致病菌进行增菌培养；所述的肠道致病菌是以下六种食源性肠道致病菌之任一种：大肠杆菌、沙门氏菌、蜡样芽孢杆菌、副溶血性弧菌、金黄色葡萄球菌、溶血性链球菌。
[0012]所述的增菌（复苏）培养具体包括以下流程：
①
首先制备样品液，使用不同的增菌液进行对上述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度卷积神经网络的食源性肠道致病菌检测方法，其特征在于，根据输入的食源性肠道致病菌显微镜镜检图像进行检测判定，具体包括如下步骤：步骤S1，对肠道致病菌样本进行增菌、分离培养；步骤S2，对培养后的典型菌落进行革兰氏染色，使用显微镜对染色后的镜检图片拍照与标注，收集获得致病菌镜检图片的原始食源性肠道致病菌数据集；步骤S3，对步骤S2所得原始数据集进行随机划分处理，对每种致病菌按照7：3比例随机选取图片划分训练集与测试集，在输入深度卷积神经网络前应用数据增强方法处理图片，实现更加有效的食源性肠道致病菌检测模型训练；步骤S4，根据镜检图像向量和标签向量建立深度卷积神经网络模型，按批次对模型进行训练，将学习的模型作为食源性肠道致病菌检测模型；步骤S5，将分类结果交由专家人工核查，根据核查结果调整模型参数，提高食源性肠道致病菌检测精度。2.根据权利要求1所述的一种基于深度卷积神经网络的食源性肠道致病菌检测方法，其特征在于：所述的肠道致病菌包括大肠杆菌、沙门氏菌、蜡样芽孢杆菌、副溶血性弧菌、金黄色葡萄球菌、溶血性链球菌之任一种。3.根据权利要求1所述的一种基于深度卷积神经网络的食源性肠道致病菌检测方法，其特征在于步骤S1所做的增菌培养具体包括以下流程：首先制备样品液，使用不同的增菌液进行对各类不同的致病菌样本进行增菌，放置隔水式电热恒温培养箱，在36℃
±
1℃培养18h~24h后，取增菌后的增菌液1环划线或取0.1ml涂布，接种于不同的选择性平板或显色培养基，于36℃
±
1℃分别培养18h~48h后，观察各个平板上生长的菌落，直至平板划线处出现规模典型菌落。4.根据权利要求1所述的一种基于深度卷积神经网络的食源性肠道致病菌检测方法，其特征在于：步骤S2所做的革兰氏染色与镜检图像存储具体包括以下流程：使用革兰氏染色标准流程，对挑选后的典型菌落依据国家标准GB/T4789.28.2....

【专利技术属性】
技术研发人员：陈琼，赵瑞杰，李晖，包涵，周东明，吕恒，谭伟龙，贾德胜，曹勇平，齐永，王宇皓，
申请(专利权)人：中国人民解放军东部战区疾病预防控制中心，
类型：发明
国别省市：