Computerized Enumeration and Bio-volume Estimation of the Cyanobacteria Anabaena flos-aquae
Notice bibliographique
Résumé
One of the most noticeable consequences of global climate change is the increased occurrence of algae and cyanobacteria blooms in surface waters. Some of these organisms may release hazardous toxins which represent a threat for human and animal health worldwide. Accordingly, the identification of threshold levels of toxic cyanobacteria cells has become common practice to ensure successful water management. The majority of current methods for cyanobacteria enumeration and bio-volume assessment are very time-consuming and costly. Furthermore, when dealing with multicellular organisms (i.e., filaments, colonies, agglomerates etc.), none of the existing enumeration methods can achieve good accuracy and all tend to underestimate cell concentrations and bio-volume. In this study, we introduce an integrated method for automated enumeration and bio-volume estimation of Anabaena flos-aquae, a common filamentous species of cyanobacteria often present in water blooms. Since Anabaena filaments are often long and tangled, a sample of its culture was first sonicated to isolate individual cells, and then imaged while being excited by a 546nm light source to considerably improve contrast. A probabilistic unsupervised classification was introduced to detect the target cells, and the size distribution of the cells was used for model calibration. Using this learned cell model, subsequent samples with natural Anabaena filaments were automatically enumerated and the bio-volume estimated. Compared to traditional manual enumeration using a hemacytometer, the developed method achieved equivalent accuracy in much less time, with less resources, and provided additional bio-volume information. These preliminary results demonstrate the potential of the developed method as a robust tool for water quality monitoring.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».