《Optics & Laser Technology》：Differentiating individual microalgae at different postures through herringbone microchannel via multiple polarization imaging
编辑推荐：
微藻通过herringbone微流道改变姿势并利用多偏振成像技术实现98.8%的分类准确率，个体识别达96.5%，显著优于传统方法。
Baohui Han|Zheng Hu|Shaoyuan Peng|Fang Dong|Hongyuan Liu|Jiajin Li|Xiang Qian|Ran Liao|Hui Ma
深圳清华大学深圳国际研究生院海洋工程研究所海洋智能感知与计算重点实验室，中国深圳518055
摘要
微藻对水生生态系统至关重要，但其分类受到有限细胞数据的限制。本文提出了一种名为“不同姿态下微藻的多极化成像”（DP-MPI）的方法，并通过物种分类和个体识别进行了验证。设计了一种人字形微通道来翻转微藻细胞并改变其姿态。构建了一个多极化成像的概念性装置，以便在微藻通过微通道流动时高效地获取其不同姿态下的多组偏振图像。共测量了12种代表性微藻，包含8,716个个体细胞，获得了178,556张偏振图像（每个细胞最多50张）。通过比较使用单极化图像和多极化图像的三种方案，展示了DP-MPI的性能。利用深度学习，DP-MPI的宏观平均物种分类准确率达到98.8%，比现有方法提高了33.4%；个体识别准确率最高可达96.5%，这是现有方法难以实现的。分析了影响结果的因素，包括图像数量和照明偏振状态，以指导该方法的应用。与多强度图像相比，DP-MPI的平均准确率高出20.8%。这些发现表明该方法作为水环境监测工具具有巨大潜力。
引言
微藻在环境系统中起着至关重要的作用，并对人类产生重大影响[1]、[2]、[3]。作为初级生产者，海洋微藻估计占全球光合作用产生的二氧化碳的约50%，是海洋食物网的基础[4]、[5]。除了生态意义外，它们还是食品、生物燃料和生物活性化合物的关键资源，带来了显著的经济效益[6]。然而，某些微藻物种会形成有害藻华（如“赤潮”），对海洋生态系统以及人类健康和社会经济稳定构成严重威胁[7]。近年来，“赤潮”发生的频率令人担忧[8]。因此，区分微藻对于工业应用和科学研究都至关重要，有助于有效监测海洋生态过程和可持续利用海洋资源[9]。
因此，区分微藻的技术一直受到研究人员的重视[10]。已经提出了许多技术，如光学成像[11]、遥感[12]、荧光[13]、光谱[14]和DNA分析[15]等。这些技术各有优势，但也面临不同的挑战。例如，光学成像使用精心设计的光学镜头捕捉高分辨率的微藻图像，提供了传统的分类标准[16]，但对于形态相似的物种（如Karenia brevis和Karenia mikimotoi）来说存在困难[17]。遥感利用基于卫星或航空器的传感器检测水体上层反射或发射的光谱信息，非常适用于监测大规模的水色变化[18]，但由于空间分辨率有限以及每个像素内信号的混合，通常无法进行物种级别的微藻分类，因此在自然水域中难以区分特定微藻类别[19]。原位荧光和拉曼光谱在准确性、通量和实用性之间存在权衡[20]。例如，流式细胞仪是一种测量微藻荧光的代表性方法，可以实现超高通量；但由于流体系统的复杂性，其实际应用受到一定限制[21]。DNA分析可以获取微藻的基因序列，通常被视为确定的鉴定方法[22]，但通常需要破坏大量同种生物量，导致该方法具有破坏性、成本高昂且无法区分单个细胞[23]。由于海洋微藻的物理特性复杂且对环境敏感，目前仍难以有效区分它们，因此需要一种新的、经济可行的技术。
微藻分类的关键步骤通常是获取足够的高质量细胞数据[24]、[25]。偏振成像已被证明是表征细胞内部微观结构并进一步分类不同微藻、癌细胞等的强大工具[26]、[27]、[28]。使用不同偏振照明[29]和空间编码照明[30]的多重成像技术已经展示了获取时变样本高维信息的能力。
在这项工作中，我们提出了一种“不同姿态下微藻的多极化成像”（DP-MPI）方法，以应对微藻分类面临的挑战，从而充分发挥偏振成像在表征微藻微观结构方面的强大能力。设计了一种人字形微通道，在微藻通过时使其翻转并改变其姿态。然后使用偏振显微镜捕捉人字形微通道中细胞的偏振图像。通过追踪每个细胞的位置，可以获得其连续的偏振图像。数据集包含来自12种代表性微藻的8,716个个体细胞的178,556张偏振图像，其中一些细胞最多有50张偏振图像。采用深度学习算法对12种微藻进行分类，并根据数据集识别个体细胞。介绍了使用单极化图像和多极化图像的三种方案，以比较DP-MPI的性能。结果显示，DP-MPI的宏观平均分类准确率为98.8%，比使用单极化图像的现有方法高出33.4%。在细胞识别方面，DP-MPI的验证准确率为93.3%，识别准确率最高可达96.5%。据我们所知，这是首次报道此类能力。讨论了影响结果的因素，如图像数量和照明偏振状态，并比较了连续强度图像与DP-MPI的性能。结果表明，DP-MPI在微藻分类方面非常有效，表明它可能成为未来水环境监测的有希望的工具。
DP-MPI概念
本工作的示意图如图1所示，其光学原理图见左侧。以下小节详细介绍了硬件和数据分析。首先概述DP-MPI的概念。
细胞操作组件（即人字形微通道）经过精心设计，以便在偏振敏感成像系统中提供不同的姿态，这是通过产生横向流动来实现的，从而使微藻翻转。
12种微藻的分类
所有分类结果均基于在训练集上训练并在测试集上验证的模型获得。数据集根据每种微藻的个体数量按8:2的比例分为训练集和测试集。为简便起见，具体的微藻种类用编号表示（即N1、N2……N12）。
如图5(a)所示，采用了三种方案进行比较，以展示DP-MPI的有效性。对于方案I，仅使用...
照明偏振状态的影响
如上所述，数据集中的所有偏振图像都是通过将R1固定在40°获得的。通过旋转R1可以改变照明偏振状态。选择这种R1的方向是为了使方案I与已报道的配置相同，从而实现良好的分类性能。此外，具有相似配置的偏振图像在最近的研究中也表现出中等以上的优越性[29]。
结论
在这项工作中，通过结合人字形微通道和偏振显微镜，提出了DP-MPI方法来获取每个微藻细胞的多极化图像。人字形微通道设计用于在流动过程中翻转微藻细胞，同时偏振显微镜连续获取这些细胞的多个偏振图像。通过追踪细胞在流中的位置，可以形成其连续的偏振图像。
CRediT作者贡献声明
Baohui Han：撰写——原始草稿、方法论、研究、数据分析、概念化。Zheng Hu：软件开发。Shaoyuan Peng：资金筹集。Fang Dong：资金筹集。Hongyuan Liu：数据分析。Jiajin Li：数据分析。Xiang Qian：数据分析。Ran Liao：撰写——审稿与编辑、方法论、资金筹集、数据分析。Hui Ma：资金筹集。
利益冲突声明
作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。
致谢
本项目得到了海南省科技发展计划（ZDYF2022SHFZ323）、国家自然科学基金（62275141）和深圳市可持续发展科技计划（KCXST20221021111405013）的支持。
