人工知能を活用したファイトリット研究の推進

ファイトリット分析は過去の植生と人間活動を再構築するうえで重要なツールですが、従来の方法は労働集約的で時間のかかる手動顕微鏡観察によって著しく制約されます。これらのボトルネックに対処するため、Sorometry を提示します。ファイトリットの高スループットなデジタル化、推論、解釈を可能にする包括的なエンドツーエンドのAIパイプラインです。私たちのワークフローは Zスタック化された光学顕微鏡スキャンを処理し、個々の微細粒子の同期した 2D 正射画像と 3D 点群を自動生成します。私たちは、2D 画像解析には ConvNeXt、3D 点群解析には PointNet++ を組み合わせたマルチモーダル融合モデルを開発し、専門家の注釈とレビューをサポートするグラフィカルユーザーインタフェースを提供しました。参照コレクションとボリビアのアマゾン地域の考古学的サンプルでテストした結果、我々の融合モデルは 24 種の診断形質タイプでのグローバル分類精度 77.9%、セグメンテーション品質 84.5% を達成しました。特に、3D データの統合は、2D 投影での向きによって診断的特徴がしばしば隠される草本のイネ科シリカ短胞ファイトリットのような複雑な形質タイプを識別するうえで不可欠であることを示しました。個々のオブジェクト分類を超えて、Sorometry は群集レベルでの植物源寄与を予測するためにベイズ有限混合モデリングを組み込み、複雑な混合サンプルの中からトウモロコシやヤシなどの特定植物を特定することに成功しました。この統合プラットフォームはファイトリット研究を“オミクス”規模の分野へと変革し、分析能力を劇的に拡大し、専門家の判断を標準化し、考古学および古生態学的群集の再現可能な集団レベルの特徴付けを実現します。