基于图像的自动化分析揭示了由于暴露于非致命剂量的农药而引起的急性影响

科学领域:

• 农业科学 农业科学
• 毒理学 毒理学 毒理学
• 机器学习 机器学习

背景情况:

• 在农业中过度使用农药对生态系统和人类健康构成风险.
• 低于致命的杀虫剂剂量可能会导致有害影响.
• 了解这些影响需要敏感的检测方法.

研究的目的:

• 验证机器学习用于检测最小的农药暴露引起的运动异常.
• 评估低剂量农药对模型生物的影响.
• 为了推断出潜在的人类健康风险.

主要方法:

• 使用地中海果 (Ceratitis capitata) 作为一个模型生物体.
• 将暴露在Carlina acaulis精油的最小剂量 (LC30) 中.
• 采用深度学习来进行姿势估计和统计分析.
• 应用随机森林 (RF) 和XGBoost算法进行分类.

主要成果:

• 射频算法在区分暴露的时实现了0.75和71%的曲线下面面积 (AUC) 准确度.
• 基于图像的分析显示,从最小的农药暴露中产生了急性运动效应.
• 在治疗和未治疗组之间发现了运动特征的显著差异.

结论:

• 机器学习有效地识别了农药引起的运动异常.
• 最小的农药暴露可以在模型生物中引起急性影响.
• 即使少量的农药也可能对环境和人类健康构成风险.