高解像度かつ迅速な有害藻類ブルーム種の分類：巨大画像データベースと人工知能に基づく

科学分野:

• 海洋生物学
• 計算生物学
• 生態学

背景:

• 微細藻類は海洋生態系と産業にとって不可欠です。
• 特に有害藻類ブルーム（HAB）種の微細藻類の迅速な同定は、依然として大きな課題です。
• 正確な同定は、生態学的モニタリングとHAB管理の鍵となります。

研究 の 目的:

• 正確かつ迅速な微細藻類分類のためのAIベースアルゴリズムの開発と評価。
• AIモデルをトレーニングするための包括的な微細藻類画像データベースの構築。
• DenseNet、EfficientNet、Vision Transformer (ViT) を含む複数のAIモデルのパフォーマンス評価。

主な方法:

• 多様な微細藻類画像データセットの作成。
• 深層学習モデル（DenseNet、EfficientNet、ViT）のトレーニングと検証。
• モデルパフォーマンスの比較分析と、現場で収集されたサンプルでの評価。

主要な成果:

• Vision Transformer (ViT) モデルは、優れた分類性能を示しました。
• データセットのサイズと多様性は、AIモデルの精度を向上させる重要な要因でした。
• AIモデルの結果は、従来の顕微鏡およびメタバーコーディング分析と強く一致しました。

結論:

• AIを活用した微細藻類分類は、速度と精度の点で大きな進歩をもたらします。
• この技術は、HABに対する早期警戒システムと迅速な対応のための堅牢なツールを提供します。
• 本研究結果は、AIを通じた海洋生態系の管理と保護戦略の強化を支持します。