CNRS/UPMC/ENS, Écologie et Évolution, UMR 7625, École Normale Supérieure, Paris, France.
PLoS One. 2013 May 29;8(5):e64387. doi: 10.1371/journal.pone.0064387. Print 2013.
由于计算机和数码相机在性能上的技术进步,成像技术在实验室微宇宙中对群落、种群或个体进行研究的潜在用途大大增加。然而,由于图像分析自动化的困难,其应用仍然有限。
我们提出了一种准确而灵活的图像分析方法,用于检测、计数和测量固定但不均匀基质上的移动粒子。该方法专门用于跟踪实验实验室微宇宙中的个体或整个种群。它可以用于其他应用。
该方法包括比较同一实验微宇宙的多张图片,以生成固定背景的图像。然后,使用该背景提取、测量和计数移动生物,同时排除固定背景和静止或死亡的个体。
我们提供了不同的例子(跳虫、蚂蚁、线虫、水蚤),以表明这种非侵入性的方法在检测各种条件下的生物时非常有效,即使在对比度和不均匀性较差的基质上也是如此。
使用 Collembola Folsomia candida 的实验种群评估了该方法的可重复性和可靠性。
我们提出了一种用于自动化实验室微宇宙数字图像分析的 ImageJ 插件。该插件自动化了分析的连续步骤,并递归地分析多组图像,从大量重复的微宇宙中快速生成测量结果。