Detection of antimicrobial resistance using surface-enhanced raman spectroscopy combined with machine learning algorithms

ZAKARYA ALI ZAIN AL-SHAEBI

Detection of antimicrobial resistance using surface-enhanced raman spectroscopy combined with machine learning algorithms

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, BİYOMEDİKAL MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: ZAKARYA ALI ZAIN AL-SHAEBI

Danışman: Ömer Aydın

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Antimikrobiyal Direnç (AMR), dünya genelinde küresel sağlık tehditlerinden biri olmuştur. Vaka sayılarının azalması bakteriyel enfeksiyonun doğru bir şekilde belirlenmesini ve ardından uygun ilacın önerilmesini sağlayacak hızlı, güvenilir ve kullanımı kolay teknolojilere bağlıdır. Bu tez kapsamında, antimikrobiyal direnci yüksek doğrulukta tespit etmek ve tanımlamak için derin öğrenme ve makine öğrenimi ile birleştirilmiş Yüzeyde zenginleştirilmiş Raman Spektroskopisi (YZRS) kullanıldı. İlk olarak antimikrobiyal direnç ve duyarlılığın yaygın örnekleri olan metisiline dirençli Staphylococcus aureus (MRSA) ve metisiline duyarlı Staphylococcus aureus (MSSA) YZRS kullanılarak spektrumları toplanarak veri seti elde edildi ve buna ek olarak external olarak ikinci veri seti kullanıldı. İki veri setindeki iki grubu sınıflandırmak için U-Net ve VGG-16 olmak üzere iki derin öğrenme modeli ile altı geleneksel makine öğrenme algoritması uygulandı. U-Net, MRSA ve MSSA ayrımını yapmak için ilk olarak external veri seti üzerinde uygulandı ve aynı veri setini kullanan diğer modeller arasında %95 doğruluk değerine sahip bir sonuç verdi. U-Net ve VGG-16'dan oluşan derin öğrenme modelleri, özellik haritasını başarıyla çıkarabildi ve ardından AMR'yi başarılı bir şekilde sırasıyla %99,04 ± %0,003 ve %98,86 ± %0,01 doğrulukla sınıflandırabildi. Geleneksel makine öğrenme algoritmaları arasında rastgele orman (Random forest-RF) %97,16 ± 0,371doğruluk değeri ile en iyi performansa sahipti. Sonuç olarak bu çalışma YZRS ve yapay zeka arasındaki sinerjinin bakteriyel enfeksiyonların ve AMR'nin tanımlanmasındaki önemli role sahip olabileceğini ortaya koymasıyla birlikte çeşitli biyomedikal uygulamalar için kullanılabileceğine ve genişletilebileceğine inanılmaktadır.