推进空气传播真菌子的自动识别:培养指南和参考数据集创建指南
Nicolas Bruffaerts1, Elias Graf2, Predrag Matavulj3
1Mycology and Aerobiology, Sciensano, Brussels, Belgium.
Aerobiologia
|June 23, 2025
概括
这项研究开发了创建真菌子数据集的最佳实践,以改善自动空中监测. 新协议提高了空气中的真菌子实时识别系统的准确性.
科学领域:
- 环境微生物学环境微生物学
- 航空生物学 航空生物学
- 计算生物学是一种计算生物学.
背景情况:
- 空气中的真菌子对人类和植物健康构成风险,需要精确的监测.
- 目前的手动监控方法正在被对自动化实时系统的兴趣所补充.
- 自动化方法面临的挑战是由于粒子的多样性和对真菌子的训练数据有限.
研究的目的:
- 建立收集空气中的真菌子参考材料的最佳实践.
- 为培训用于子识别的机器学习算法创建定制的数据集.
- 提高空中真菌子自动监测的准确性和标准化.
主要方法:
- 使用了来自比利时真菌收藏BCCM/IHEM的17种真菌物种,其中包括5种*Alternaria*物种.
- 优化了体外培养,干燥子收获和空气化技术作为参考材料.
- 在使用各种数据输入的Plair Rapid-E+和SwisensPoleno Jupiter监视器上开发和测试了简单的分类模型.
主要成果:
- 普莱尔快速-E+的准确度为83.4%95.1% (宏F1得分为0.61),对*Cladosporium*和*Curvularia*有很好的表现.
- 瑞士的Poleno Jupiter从0.77的宏F1得分改进到0.83,使用组合的全息和光数据.
- 准确度在55%~95%之间,对*Alternaria*和*Curvularia*取得了显著的成功,对*Cladosporium*可能进行物种分化.
结论:
- 开发的协议为生成高质量的数据集提供了标准化和高效的方法.
- 这种方法可以更准确,更可靠地自动识别空气中的真菌子.
- 这些发现为加强对空中真菌生物威胁的实时监测系统铺平了道路.
