In diesem Abschnitt haben wir eine gründliche Bewertung der Leistung und Fähigkeiten unserer Methode anhand von synthetischen und experimentellen Datensätzen durchgeführt. Zunächst haben wir unsere Methode mit synthetisch generierten Datensätzen validiert, die echten Bedingungen nahe kamen und gleichzeitig bekannte Erkenntnisse bewahrten. Nach dieser Bewertung mit synthetischen Datensätzen haben wir die Wirksamkeit der Methode anhand von experimentellen Daten bewertet, indem wir verschiedene Arten von Bakterien in eine sterile Flüssigkeit eingespeist haben. Die unten stehenden Ergebnisse geben Aufschluss über die Outcomes dieser Auswertungen.
Die Klassifizierung von fünf Klassen von Bakterien und PMs stand im Mittelpunkt unseres DL DIH-Ansatzes. Wir konzentrierten uns auf die Fähigkeit, fünf bakterielle Arten zu klassifizieren, d.h. Escherichia coli (EC), Pseudomonas aeruginosa (PA), Bacillus subtilis (BS), Enterococcus faecalis (EF) und Campylobacter jejuni (CJ) sowie generische Partikelmaterie (PMs) in der sterilen Flüssigkeit (PMs) innerhalb synthetischer Datensätze. Diese Datensätze umfassten 10.000 Hologramme mit zufälligen Kombinationen der genannten Bakterien und PMs, mit dem Ziel einer durchschnittlichen Partikelkonzentration von circa fünf pro Hologramm. Die Ergebnisse zeigten die Fähigkeit der DIH-Methode, die unterschiedlichen holografischen Signaturen jedes Partikeltyps zu erkennen und zu unterscheiden, insbesondere bei bakteriellen Arten wie EC, PA und BS, deren morphologische Ähnlichkeiten für herkömmliche Mikroskopie eine Herausforderung darstellen.
Die Klassifikationsgenauigkeit unseres DL-Modells wurde anhand von Receiver-Operating-Characteristic (ROC)-Kurven bewertet, die das Modell genau messen, indem sie den wahren positiven Prozentsatz und den falsch-positiven Prozentsatz bei verschiedenen Konfidenzschwellen gegenüberstellen. Die Analyse ergab eine Fläche unter der Kurve (AUC) von über 0,995 für alle bakteriellen Arten und PMs. Die Verwirrungsmatrix verdeutlichte die Genauigkeit der Klassifikation unserer Methode für jeden Partikeltyp. Dies zeigt die Fähigkeit der Methode, kritische bakterielle Krankheitserreger genau zu identifizieren, auch bei einer hohen Hintergrundbelastung von PMs.