Poleni hızlı ve doğru bir şekilde analiz etmek için bilim adamları tarafından hızlı görüntüleme ve yapay zekadan yararlanan son teknoloji ürünü bir sistem geliştirildi. Bu teknoloji, hem günümüz hem de tarihsel çevresel değişimler hakkında bilgi sağlayarak bilim adamlarının bitki hakimiyetini geniş dönemler boyunca izlemelerine yardımcı oluyor. Bu yöntem, polen tahminlerini hassaslaştırarak saman nezlesi hastalarına yardımcı olabilecek potansiyel uygulamalarla polen analizi için harcanan süreyi önemli ölçüde azaltır.
Bilim insanları, hızlı ve doğru polen analizi için yapay zeka destekli bir sistem geliştirdi , geliştirilmiş polen tahminleri aracılığıyla çevresel değişikliklere dair umut verici bilgiler ve saman nezlesi çekenler için potansiyel rahatlama.
Hızlı görüntülemeyi yapay zekayla birleştiren yeni ortaya çıkan bir sistem, bilim adamlarının mevcut ve geçmişteki çevresel değişimin kapsamlı bir resmini oluşturmasına yardımcı olabilir – poleni hızlı ve doğru bir şekilde analiz ederek.
Farklı bitki türlerine ait polen taneleri benzersizdir ve şekillerine göre tanımlanabilir. Göllerden alınan tortu çekirdekleri gibi örneklerde hangi polen tanelerinin yakalandığını analiz etmek, bilim adamlarının tarihin herhangi bir noktasında hangi bitkilerin büyüdüğünü ve potansiyel olarak binlerce ila milyonlarca yıl öncesine dayandığını anlamasına yardımcı olur.
Bilim insanları şimdiye kadar bunu manuel olarak gerçekleştirdiler. ışık mikroskobu kullanarak çökeltilerdeki veya hava örneklerinden alınan polen türlerini saymak, uzmanlaşmış ve zaman alıcı bir iştir.
Mikroskopla yakalanan farklı polen türleri. Kredi: Exeter Üniversitesi
Polen Analizinde Teknolojik Atılım
Artık Exeter Üniversitesi ve Swansea Üniversitesi’ndeki bilim insanları, görüntüleme akış sitometrisi ve yapay zeka gibi en son teknolojileri birleştiriyor poleni çok daha hızlı bir şekilde tanımlayıp kategorize edebilen bir sistem oluşturmak. Gelişmeleri 7 Eylül’de New Phytologist’teki bir araştırma makalesinde yayınlandı. Ekip, geçmiş bitki örtüsünün daha kapsamlı bir resmini oluşturmanın yanı sıra, teknolojinin bir gün günümüz ortamında daha doğru polen okumalarına uygulanabileceğini ve bunun da saman nezlesi çekenlerin semptomları hafifletmesine yardımcı olabileceğini umuyor.
Dr. Exeter Üniversitesi’nden Ann Power şunları söyledi: “Polen önemli bir çevresel göstergedir ve hem bugün hem de geçmişte atmosferdeki farklı polen türlerini bir araya getirmek, biyolojik çeşitlilik ve iklimin bir resmini oluşturmamıza yardımcı olabilir.” değiştirin.
“Ancak polenin hangi bitki türüne ait olduğunu mikroskop altında belirlemek inanılmaz derecede emek yoğun bir iştir ve her zaman gerçekleştirilemez. Geliştirdiğimiz sistem bu süreyi önemli ölçüde azaltacak ve sınıflandırmaları iyileştirecek. Bu, çevredeki polenlere ilişkin daha zengin bir resmi çok daha hızlı bir şekilde oluşturabileceğimiz, iklimin, insan faaliyetlerinin ve biyolojik çeşitliliğin zaman içinde nasıl değiştiğini ortaya çıkarabileceğimiz veya soluduğumuz havada hangi alerjenlerin bulunduğunu daha iyi anlayabileceğimiz anlamına geliyor.”
{12 }Başarılar ve Gelecekteki Uygulamalar
Ekip, göl çökelti çekirdeğinin 5.500 yıllık bir dilimini otomatik olarak analiz etmek ve binden fazla polen tanesini hızla sınıflandırmak için sistemi zaten kullandı. Geçmişte bu işlemin bir uzmanın sayımı ve kategorize edilmesi sekiz saate kadar sürmesi gerekirdi; bu, yeni sistemin bir saatten çok daha kısa bir sürede tamamladığı bir görevdir.
Yeni sistem, genellikle kullanılan bir teknoloji olan görüntüleme akış sitometrisini kullanır. polen görüntülerini hızlı bir şekilde yakalamak için tıbbi araştırmalarda hücreleri araştırmak için kullanılır. Daha sonra çevresel bir örnekteki farklı polen türlerini tanımlamak için derin öğrenmeye dayalı benzersiz bir yapay zeka türü geliştirildi. Bu, numune kusurlu olsa bile bu ayrımları yapabiliyor.
Dr. Swansea Üniversitesi’nden Claire Barnes şunları söyledi: “Şimdiye kadar, poleni kategorize etmek için yapay zeka sistemleri aynı polen kitaplıklarından öğreniyor ve test ediyor; bu da her numunenin mükemmel olduğu ve ağ tarafından daha önce görülen türlere ait olduğu anlamına geliyor. Bu sistemler, çevredeki bazı darbelere maruz kalan polenleri tanıyamıyor veya eğitim kitaplıklarında yer almayan polenleri kategorize edemiyor.
“Derin öğrenmenin benzersiz bir versiyonunu sistemimize dahil etmek, yapay zeka anlamına geliyor daha akıllıdır ve öğrenmeye daha esnek bir yaklaşım uygular. Düşük kaliteli görüntülerle başa çıkabilir ve sistem daha önce eğitim sırasında görmemiş olsa bile polenin hangi bitki familyasına ait olduğunu tahmin etmek için ortak tür özelliklerini kullanabilir.”
Gelecek yıllarda ekip, polenin hangi bitki familyasına ait olduğunu tahmin edebilir. yeni sistemi geliştirip piyasaya sürmeyi ve saman nezlesi hastaları için özellikle tahriş edici olan çim poleni hakkında daha fazla bilgi edinmek için kullanmayı umuyor. Dr. Power şunları söyledi: “Bazı çim polenleri diğerlerinden daha alerjendir. Belirli zamanlarda hangi polenlerin yaygın olduğunu daha iyi anlayabilirsek, polen tahmininde saman nezlesi olan kişilerin polenlere maruz kalma planlarını azaltmalarına yardımcı olabilecek iyileştirmeler yapılabilir.”
Referans: “Çevresel araştırmalarda tümdengelimli otomatik polen sınıflandırması. keşfedici derin öğrenme ve görüntüleme akış sitometrisi yoluyla örnekler” Yazan: Claire M. Barnes, Ann L. Power, Daniel G. Barber, Richard K. Tennant, Richard T. Jones, G. Rob Lee, Jackie Hatton, Angela Elliott, Joana Zaragoza- Castells, Stephen M. Haley, Huw D. Summers, Minh Doan, Anne E. Carpenter, Paul Rees ve John Love, 7 Eylül 2023, Yeni Fitolog.
DOI: 10.1111/nph.19186{ 4}
Araştırma, Ulusal Çevre Araştırma Konseyi (NERC) ve ABD Ulusal Sağlık Enstitüleri tarafından desteklenmektedir.