《MicrobiologyOpen》:Improving Agar Plate Image Quality Using a Low-Cost 3D-Printed Lightbox: A Proof-of-Concept Evaluation for Machine Learning–Assisted Analysis
编辑推荐:
专业摘要翻译:琼脂平板摄影被广泛用于记录微生物生长,但在常规实验室照明条件下采集的图像常受眩光、反射、阴影及光照不均的影响,从而可能损害视觉判读与计算分析。本研究开展了一项概念验证评估,开发并评价了一种基于智能手机的低成本三维(3D)打印光箱,用于标准化琼脂平
专业摘要翻译:琼脂平板摄影被广泛用于记录微生物生长,但在常规实验室照明条件下采集的图像常受眩光、反射、阴影及光照不均的影响,从而可能损害视觉判读与计算分析。本研究开展了一项概念验证评估,开发并评价了一种基于智能手机的低成本三维(3D)打印光箱,用于标准化琼脂平板成像。研究人员在传统条件与光箱条件下,使用Fiji/ImageJ对五种未培养琼脂培养基的图像特征进行评估。随后,使用QuPath对培养的马血琼脂平板进行机器学习辅助分析。研究人员分别针对传统光源图像和光箱图像开发了独立的随机树像素分类器,以区分菌落、背景琼脂及非菌落伪影。此外,研究人员还将半自动QuPath辅助工作流程与14个生长阳性马血琼脂平板的人工菌落计数进行了比较。光箱成像减少了反射伪影,改善了照明均匀性,并增强了对菌落边缘及溶血相关变化的可视化。传统光源图像产生了更多与伪影相关的分类器检测结果,包括将眩光、反射及未接种琼脂误检为类菌落区域。在探索性菌落计数比较中,半自动QuPath辅助计数与人工参考计数高度一致(Pearson r = 0.999;平均绝对误差 = 每平板2.4个菌落)。上述发现表明,低成本3D打印光箱可提高基于智能手机的琼脂平板图像质量与标准化程度,并支持更具可解释性的机器学习辅助分析。未来仍需使用更大的独立数据集、更多微生物种类、培养基类型及成像设备进行进一步验证。
论文解读
一、研究背景与问题
琼脂平板成像是微生物学中常规且日益重要的环节,用于记录菌落生长、形态、色素、溶血及其他表型特征。菌落形成单位(colony-forming units, CFU)的量化是估算微生物活菌载量最常用的方法之一,但人工CFU计数通常费时费力且易受人为误差影响。机器学习软件为实现培养琼脂平板图像的快速、准确分析提供了可能,包括自动化CFU计数、形态学比较以及培养基颜色变化的定量评估。然而,这些方法依赖于一致且高质量的图像,因为下游判读的准确性和可靠性取决于图像采集时的质量。尽管商业自动化菌落计数器集成了成像与分析功能,但高昂的成本限制了其在教学实验室、小型研究团队及资源有限环境中的可及性。
获取高质量的琼脂平板图像具有挑战性。培养皿和琼脂表面的反射及光学特性各异,在常规室内照明或手持手机拍摄条件下,图像常受眩光、反射、阴影和光照不均的影响。这些伪影会显著改变琼脂平板图像的像素强度分布,引入非生物学变异或噪声,对自动化分析构成挑战。对于溶血评估而言,照明策略尤为重要。美国微生物学会建议,血琼脂上的溶血反应应在光源置于琼脂平板后方进行评估,以增强菌落周围区域的可见性。已有研究开发了使用顶部和底部照明的自动化溶血检测系统,利用不同照明模式提供的互补信息来提取图像特征并支持分类,表明照明策略对于α、β、γ溶血的可靠计算区分至关重要。
先前有研究描述了一种用于琼脂平板微生物生长的廉价成像箱,证明受控漫射照明可大幅减少与传统台面成像相比的光照伪影。然而,该装置由多孔材料组装而成,无法重复使用,且其孔径针对特定相机定制,与其他相机或手机配合使用可能引入光污染。商业化的摄影及基于机器学习的培养板分析系统虽已存在,但其高成本限制了可及性。因此,需要低成本、有效且标准化的成像解决方案。开源硬件、3D打印计划和机器学习软件为制造低成本、可定制的实验室设备提供了机会,以支持机器学习微生物学工作流程。本研究的主要目标是开发一种用于标准化智能手机琼脂平板摄影的低成本3D打印光箱,具体考察受控的顶部和底部照明能否减少反射、阴影和光照不均,同时改善菌落及培养基相关特征的可视化。作为次要探索性目标,研究使用QuPath像素分类检验光箱图像是否比常规实验室照明图像更适合机器学习辅助分析。
二、研究方法概述
本研究为概念验证设计,分三个阶段进行。首先,研究人员使用Tinkercad和Autodesk Fusion设计并制造了一款定制3D打印光箱,采用白色聚乳酸(PLA)细丝熔融沉积建模打印,内部设有成像腔、琼脂平板定位平台、可拆卸的扩散板和遮光板,以及上下两组独立配置的LED灯带。光箱顶部设有固定相机孔径,可标准化智能手机与平板间的距离、角度和位置。其次,使用iPhone 13 Pro在传统条件、光箱顶光条件及光箱顶底组合光条件下,对五种未培养琼脂培养基进行拍摄,利用Fiji/ImageJ通过三维表面图和像素颜色直方图评估反射伪影和光照均匀性。最后,使用QuPath 0.7.0对来自重症监护病房环境手机采样研究中的20块马血琼脂平板进行探索性机器学习分析。其中14块平板显示微生物生长并被纳入分析,6块因无生长而排除。研究团队三名成员为细菌菌落、背景琼脂和非菌落伪影三类创建了手动训练注释,并分别针对传统图像和光箱图像训练了独立的随机树像素分类器。此外,还将半自动QuPath辅助计数与14块生长阳性平板的人工参考计数进行了比较,使用Pearson相关系数和平均绝对误差评估一致性。
三、研究结果
3.1 未培养平板的像素颜色分布评估
与传统摄影相比,光箱内成像在所有琼脂平板条件下均产生更均匀的像素颜色分布。标准光照条件下拍摄的照片显示出更大的反射伪影,包括来自手机和安全柜滤网的可见反射,导致琼脂表面像素颜色分散度增加。光箱图像则显示出更低的像素颜色分散度和更均匀的颜色分布。较透明的琼脂平板在顶底组合光条件下呈现轻微色渐变。平皿底部的印刷文字在所有条件下均可见,但在顶底组合光下对比度更明显。平皿边缘引入的噪声可通过裁剪去除。
3.2 培养平板照片质量评估
传统照明方式拍摄的照片在未接种琼脂区域普遍表现出反射伪影,单个菌落上也出现小面积反射。相比之下,光箱图像反射伪影减少,菌落边缘可视化改善。顶底组合光条件在α、β、γ溶血区域之间产生了更大的颜色和对比度差异,改善了溶血模式的视觉区分。透过琼脂的透射照明还提高了小型或低对比度菌落的可见性。
3.3 QuPath机器学习检测输出比较
在代表性匹配平板中,基于传统照明图像训练的分类器产生159个检测结果,其中若干与非菌落特征相关,包括印刷平板文字被检测为类菌落物体、未接种琼脂区域被分类为菌落,以及单个菌落被分割为多个检测结果。相比之下,基于对应光箱图像训练的分类器产生76个检测结果,且视觉审查后与伪影相关的检测明显减少。这表明光箱成像通过减少采集相关伪影的干扰,提高了分类器输出的可解释性。
3.4 与人工菌落计数的探索性比较
在14块生长阳性马血琼脂平板上,人工鉴定出1014个菌落,而半自动QuPath辅助工作流程鉴定出992个菌落。两种计数呈强线性相关(Pearson r = 0.999),平均绝对误差为每平板2.4个菌落。这些探索性结果表明,经人工复核后,QuPath辅助工作流程与人工计数高度一致。
四、讨论与结论
本概念验证研究表明,低成本3D打印光箱可改善智能手机琼脂平板图像的质量和标准化程度,减少反射和光照不均,并增强菌落边缘和溶血相关变化的可视化。探索性QuPath分析进一步证实,图像采集伪影(包括反射、印刷文字和光照不均)会干扰可训练像素分类。与既往使用纸板、木材和织物组装的成像装置相比,本设计采用可重复使用的3D打印组件、固定相机孔径、模块化平板定位和独立可配置的上下照明,支持一致的本地制造和针对不同平板尺寸、成像设备及实验室需求的调整。商业平板成像和自动菌落计数系统成本可能超过2万美元,而开放发布的设计文件提供了一种成本大幅更低的替代方案。
研究强调,在机器学习分析中,标准化照明、成像距离、相机角度和平板位置有助于减少采集相关变异性并提高数据集一致性。然而,该工作流程尚不能视为经过验证的菌落计数系统,因为分类器在同一图像集上开发和评估,未使用独立留存数据集。未来需要在更大规模、覆盖更广微生物种类、菌落密度和成像条件的独立数据集上进行正式验证,并与既有开源和商业菌落计数系统进行比较。此外,平板底部的印刷文字和平皿圆形边缘仍可能引入伪影,可通过自动平板掩膜、边缘排除和文字管理等方法处理。照明条件可能改变菌落和琼脂的表现颜色,未来应使用标准化颜色参考评估色彩保真度。在材料方面,虽然PLA适用于低成本原型开发,但常规实验室使用中,反复消毒对材料耐久性要求较高,聚对苯二甲酸乙二醇酯乙二醇改性版本可能更为合适。总之,本装置为教学、研究和资源有限环境提供了一种可及、可复现的标准化成像方案,并有助于培养学生对图像质量和数据质量管理影响计算分析的理解。