Искусственный интеллект поможет собрать пазл пыльцы современной и древней флоры

Новая система, сочетающая быстрое сканирование изображений с искусственным интеллектом, поможет ученым создать всестороннюю картину современных и исторических изменений окружающей среды — за счет быстрого и точного анализа пыльцы.

Пыльцевые зерна разных видов растений уникальны и идентифицируемы по своей форме. Анализ того, какие зерна пыльцы содержатся в образцах (например, в кернах донных отложений озер), помогает ученым понять, какие растения процветали в тот или иной исторический период, потенциально уходящий на тысячи или миллионы лет в прошлое.

До сих пор ученые вручную подсчитывали типы пыльцы в осадках или пробах воздуха с помощью светового микроскопа — это специализированная и трудоемкая задача.

Теперь ученые из Эксетерского и Суонси университетов объединяют передовые технологии, включая проточную цитометрию изображений и искусственный интеллект, чтобы создать систему, способную идентифицировать и классифицировать пыльцу с гораздо более высокой скоростью.

Помимо создания более полной картины прошлой флоры, команда надеется, что однажды эту технологию можно будет применить для более точного анализа пыльцы в современной среде, что может помочь страдающим сенной лихорадкой смягчить симптомы. Статья под названием "Deductive Automated Pollen Classification in Environmental samples via Exploratory Deep Learning and Imaging Flow Cytometry" опубликована в New Phytologist.

Доктор Энн Пауэр из Эксетерского университета заявила: "Пыльца — важный индикатор состояния окружающей среды. Сборка пазла из различных типов пыльцы в атмосфере, как сегодня, так и в прошлом, может помочь нам составить картину биоразнообразия и изменения климата".

"Однако распознавание под микроскопом, какому виду растений принадлежит пыльца, невероятно трудоемко и не всегда возможно. Система, которую мы разрабатываем, резко сократит время, необходимое для этого, и улучшит классификацию. Это означает, что мы можем гораздо быстрее составить более богатую картину пыльцы в окружающей среде, раскрывая, как со временем менялся климат, деятельность человека и биоразнообразие, или лучше понимая, какие аллергены содержатся в воздухе, которым мы дышим".

Команда уже использовала систему для автоматического анализа 5500-летнего среза керна озерных отложений, быстро классифицировав более тысячи пыльцевых зерен. Раньше специалисту потребовалось бы до восьми часов, чтобы подсчитать и классифицировать их, — задачу, с которой новая система справилась менее чем за час.

Новая система использует проточную цитометрию изображений — технологию, обычно применяемую для исследования клеток в медицинских исследованиях, — для быстрого захвата изображений пыльцы. Затем был разработан уникальный тип искусственного интеллекта на основе глубокого обучения для идентификации различных типов пыльцы в экологическом образце. Он способен проводить такую классификацию даже при неидеальном качестве образца.

Доктор Клэр Барнс из Суонси университета пояснила: "До сих пор разрабатываемые системы ИИ для категоризации пыльцы обучались и тестировались на одних и тех же библиотеках пыльцы — а это значит, что каждый образец был идеален и принадлежал к видам, уже "виданным" сетью. Эти системы не способны распознать пыльцу из окружающей среды, которая "получила повреждения" на своем пути, ни классифицировать пыльцу, не включенную в обучающие библиотеки".

"Внедрение уникальной версии глубокого обучения в нашу систему означает, что искусственный интеллект становится "умнее" и применяет более гибкий подход к обучению. Он может работать с изображениями низкого качества и использовать общие характеристики видов, чтобы предсказать, к какому семейству растений принадлежит пыльца, даже если система не "видела" ее ранее во время обучения".

В ближайшие годы команда надеется доработать и запустить новую систему, а также использовать ее для изучения пыльцы злаков — особого раздражителя для страдающих сенной лихорадкой. Доктор Пауэр отметила: "Некоторые виды пыльцы злаков более аллергенны, чем другие. Если мы сможем лучше понять, какие виды пыльцы преобладают в определенное время, это приведет к улучшению прогноза пыльцы, что поможет людям с сенной лихорадкой планировать меры по снижению воздействия".