使用机器视觉的自动计数和分类Daphnia magna.
Yang Ma1, Wenping Xiao1, Jinguo Wang2
1Department of Human Anatomy, School of Basic Medicine, Guilin Medical University, Guangxi Zhuang Autonomous Region, 541004, PR China.
Aquatic toxicology (Amsterdam, Netherlands)
|October 26, 2024
概括
使用深度学习的Daphnia magna (水) 的自动计数实现了高精度. 这种方法通过可靠地跟踪这一关键水生模型生物的生存和繁殖率来改善生态毒理学研究.
科学领域:
- 水生生态毒理学 水生生态毒理学
- 计算生物学 计算生物学
- 生物技术是生物技术.
背景情况:
- 大是水生生态毒理学的一个关键模型生物.
- 手动计数大夫尼亚大是劳动密集型和容易出错的.
- 现有的自动化方法在准确性和对生物体的压力方面面临挑战.
研究的目的:
- 开发一个准确和高效的自动计数方法,用于成年和新生儿大夫尼大.
- 为了利用深度学习来加强对大夫尼亚马格纳种群的分析.
- 为生态毒理学研究提供可靠的工具.
主要方法:
- 用了一个简单的光源培养装置来培养Daphnia magna.
- 采用 Mask2Former 深度学习模型进行图像分析.
- 应用U-Net模型进行比较分析和OpenCV进行自动计数.
主要成果:
- 对于成年大夫尼大的平均相对准确率达到了99.72%.
- 对新生儿达芬尼亚大的平均相对准确率达到了98.30%.
- 与传统的手动计数相比,证明了更高的准确性.
结论:
- 开发的深度学习方法为Daphnia magna计数提供了快速,可靠和准确的方法.
- 这种技术显著提高了生态毒理学中生存和繁殖率的研究.
- 该方法克服了手动计数和以前的自动化系统的局限性.
