深度学习用于在深层亚地板样本中检测微生物生命:客观细胞识别

科学领域:

• 微生物学 微生物学
• 环境科学 环境科学
• 数据科学数据科学数据科学

背景情况:

• 准确的微生物生物质计数对于理解生物圈功能至关重要.
• 在海洋沉积物等颗粒丰富的样本中检测微生物是具有挑战性的,原因是来自非细胞颗粒的干扰.
• 现有的基于光的方法通常需要专门的专业知识来区分细胞和沉积物颗粒.

研究的目的:

• 开发一种基于深度学习的图像识别方法,用于精确检测和列举微生物细胞在沉积物样本的显微镜图像中.
• 通过减少对劳动密集型专家培训的依赖,克服当前方法的局限性.
• 提高微生物检测在具有挑战性的,颗粒丰富的环境样本中的可靠性.

主要方法:

• 创建了一个深度学习程序来检测和分类基于微观图像中绿色光的"细胞状粒子".
• 该程序使用训练有素的分类器来区分微生物细胞和其他粒子.
• 图像分析涉及预注释,分类和优化,使用信心指数切断和集中图像预选.

主要成果:

• 深度学习分类器在区分类似细胞的粒子方面取得了很高的准确性:94.1%的两类分类和88.8%的四类分类.
• 优化该方法以0.7的信心指数截止值,并预先选聚焦图像进一步提高了准确度,达到96.6%.
• 开发的程序在复杂的沉积物样本中展示了有效的微生物细胞识别.

结论:

• 基于深度学习的图像识别方法显著提高了微生物细胞检测和计数在颗粒丰富的环境样本中的准确性和可靠性.
• 这种方法减少了对广泛专家培训的依赖,使微生物分析更容易获得.
• 该研究促进了在海洋沉积物和类似环境中更有效,更精确的微生物生物质评估.