基于全息散斑分析和深度学习的无标记运动检测技术在体液中寄生虫检测的应用

摘要： 寄生虫感染是全球重大公共卫生问题。现有基于人工显微镜检查的筛查方法往往难以提供足够的检测通量和灵敏度以实现早期诊断。本研究展示了一种基于运动特征的无标记计算成像平台，通过利用寄生虫的运动特性作为特异性生物标志物和内源性对比机制，快速检测光学密度高的体液中的活动性寄生虫?；诟迷恚颐茄蟹⒘说统杀颈阈揭瞧?，可在三维空间中快速筛查约3.2毫升液体样本，通过全息延时散斑图样自动检测并计数活动微生物。我们以导致全球数百万人死亡的多种致病性锥虫（活动性原生动物寄生虫）为检测对象，验证了该平台的性能。结合全息散斑分析算法与深度学习分类技术，在加标全血和人工脑脊液（CSF）样本中实现了无标记高灵敏度锥虫检测：全血检测限达每毫升10个锥虫（比当前最先进寄生虫学方法提升约5倍），脑脊液检测限达每毫升3个锥虫。进一步研究表明，该平台还可检测阴道毛滴虫等其他活动性寄生虫——这种导致滴虫病的病原体影响全球2.75亿人。凭借其低成本、便携化设计及快速筛查能力，该独特平台有望在资源有限地区实现对活动性寄生虫引起的被忽视热带病及其他寄生虫感染的及时灵敏诊断。