使用StarDist进行基于深度学习的自动草计数及其应用于测量稀土元素作为新兴担忧污染物的增长抑制潜力
Kevin Adi Kurnia1,2, Ying-Ting Lin3,4, Ali Farhan1,2
1Department of Chemistry, Chung Yuan Christian University, Chung-Li 32023, Taiwan.
Toxics
|August 25, 2023
概括
本研究介绍了使用StarDist,ImageJ和Python进行虫毒性测试的自动化工作流程. 稀土元素,如,对水生环境的毒性比除草剂更高.
科学领域:
- 环境科学 环境科学
- 水生毒理学 水生毒理学
- 生态毒理学 生态毒理学
背景情况:
- 地表水质受到人为污染物的威胁,包括除草剂和新出现的污染物,如电子产品的稀土元素.
- 草 (Lemnaceae家族) 是一种标准的水生测试生物,其属Lemna被经合组织批准用于毒性测试.
- 新出现的污染物,特别是稀土元素,对水生生态系统构成越来越大的风险.
研究的目的:
- 开发和验证一个自动化工作流程,用于评估使用草的水生污染物的毒性.
- 为了评估特定稀土元素 (,萨马里) 的毒性,使用*Wolffia*草.
- 为了建立一个更有效的方法,在毒性测试中计数草叶片.
主要方法:
- 使用*Wolffia*草,一种对金属污染物的敏感指标物种,用于毒性测试.
- 雇佣了StarDist,这是一个与ImageJ集成的机器学习工具,用于自动检测和计数树叶.
- 集成的Python用于数据管理和计算污染物暴露后的抑制百分比.
主要成果:
- 自动化工作流程成功地简化了树叶的检测,计数和数据分析.
- 在测试的稀土元素中,呈现出最高的毒性,IC50为14.6 ppm.
- 萨玛的毒性最低,IC50为279.4ppm,表明稀土元素带来的风险不同.
结论:
- 使用StarDist,ImageJ和Python开发的工作流提供了一种高效和简化的水生毒性测试方法.
- *Wolffia*草作为一种有效的生物指标,用于评估水生环境中稀土元素的生态毒性.
- 这种方法提高了监测和管理新出现的污染物影响水质的能力.
