赖丽莎，邓任堂，张露，揭育帮，丘文峰，徐军发，付文金(1.广东医科大学 a.检验医学研究所，b.生物医学工程学院，广东东莞 53808；.广东医科大学附属厚街医院检验科，广东东莞 53945)

泌尿系感染(urinary tract infection，UTI)是泌尿系受到细菌侵袭而出现的炎症，严重影响患者的生活质量，一旦扩散，将造成全身性感染[1]。目前，明确UTI病原菌的金标准是进行尿培养[2]。然而，尿培养所需时间长，可能耽误感染患者的及时治疗。因此，寻找一种快速可靠且易于分辨UTI病原菌的方法迫在眉睫。

随着人工智能技术的推广，深度学习越来越普遍应用于医学[3-5]。深度学习是机器学习的分支，是一种以人工神经网络为计算架构，对数据进行表征学习的方法。卷积神经网络(convolutional neural network，CNN)作为深度学习最有效的神经网络方法，已在医学显微图像分类中有较多应用，例如：细菌性阴道病图像分类[6]，糖尿病眼底视网膜病变图像分型[7]，乳腺活检样本组织学切片中的癌症标志物检测[8-9]，血细胞形态识别[10-12]等。然而将深度学习技术与UTI革兰染色图像分析相结合，判断中段尿沉渣中的病原菌，鲜有研究。本研究通过构建快速诊断模型EKNet，对引起UTI常见的革兰阴性杆菌大肠埃希菌和肺炎克雷伯菌[13]进行分类，以实现对UTI病原菌的快速诊断。

1 资料与方法

1.1一般资料 选取2020年5月至12月在广东医科大学附属厚街医院确诊UTI(未用抗菌药物)病原菌为大肠埃希菌、肺炎克雷伯菌患者的中段尿标本，其中大肠埃希菌368例，肺炎克雷伯菌292例，采用ARIS 2X微生物系统鉴定病原菌。……