Automated enumeration and size distribution analysis of Microcystis aeruginosa via fluorescence imaging
Notice bibliographique
Résumé
Due to climate change, toxic cyanobacteria and algae blooms and the associated exposure risk to humans has become a global issue. As a result, routine monitoring to evaluate cell concentrations is increasingly required to ensure safe water supplies. Current methods for cyanobacteria and algae cells enumeration are time consuming and cost-intensive due to the need for manual labor, which prevents their widespread adoption for routine water monitoring.. Automated enumeration with computer-assisted image analysis has strong potential to become a viable solution for continuous routine monitoring; however, the design of such automated systems is challenging due to: a) poor contrast between the target cells and the background, b) presence of confounding cells and abiotic particles and b) image quality variability depending on factors such as the underlying microscopy system in use and the sample condition. In this study, we introduce a novel integrated imaging-based method for automated enumeration and size distribution of Microcystis aeruginosa, a species of freshwater cyanobacteria that can originate harmful blooms. The target cells were excited using a 546nm light source and the resulting fluorescent imaging signal was acquired. A probabilistic unsupervised classification approach was taken to detect Microcystis cells from the surrounding background based on the fluorescent signal. A Gaussian mixture model was learned from the fluorescent imaging signal. The detected Microcystis cells were then enumerated and statistics regarding their size distribution automatically computed. When compared to the manual enumeration data using an hemacytometer, the developed method achieved higher accuracy using much less time and resources, without cell staining. These preliminary results demonstrate the potential of the proposed method as a powerful and robust tool for water quality monitoring and safe water quality control when used alongside gold standard methods.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».