《Frontiers in Plant Science》：Automating the bottleneck: a scalable deep learning pipeline for phytolith detection, imaging, and curation across single-cell and multi-cell morphotypes
编辑推荐：
深度学习为核心技术提供了自动化植硅体分类的强效工具。尽管基础模型已能在极少甚至无需特定任务训练的情况下完成图像分类，但在植硅体图像等专业领域，获取标注训练数据仍依赖于劳动密集型流程。本文提出一种新颖的、可扩展的成像工作流，通过整合低倍率玻片扫描、人工智能辅助的
深度学习为核心技术提供了自动化植硅体分类的强效工具。尽管基础模型已能在极少甚至无需特定任务训练的情况下完成图像分类，但在植硅体图像等专业领域，获取标注训练数据仍依赖于劳动密集型流程。本文提出一种新颖的、可扩展的成像工作流，通过整合低倍率玻片扫描、人工智能辅助的植硅体检测以及面向多细胞与单细胞植硅体优化的靶向高倍率三维Z轴层扫（3D Z-stack）采集，破解了这一瓶颈。自动化预处理流程可实现每周对16张玻片成像，每张玻片可生成数百张经过整理的植硅体训练图像。该系统与尼康成像专家合作开发，并在34个禾本科（Poaceae）及灯心草科（Juncaceae）分类单元上得到验证，其将专家引导采样与定制化自动采集程序相结合，完成面向深度学习输入的图像捕获、分割、分块及整理。关键流程优化（包括硬件升级、异步文件转换及AI检测模型的迭代精化）使景深扩展渲染速度提升350%，TIFF导出速度提升55，450%，从而在无性能衰减的前提下实现持续高通量采集。该工作流专为混合多细胞与单细胞植硅体组合的成像优化而设计，目前正用于生成深度学习模型训练数据，其目标涵盖基于多细胞颖壳植硅体形态的野生动、家生小麦区分及禾本科物种鉴定。除植硅体外，该流水线具有模块化特性，可跨显微镜平台复制，并可通过靶向AI重训练便捷地适配其他植物微体化石及微结构（如花粉、淀粉粒及其他硅质体），从而推动植物科学、古民族植物学及相关领域中大规模机器学习应用的普及与可重复性提升。
**1. 研究背景与问题**
大规模重建古代植物利用史亟需覆盖全球栽培、加工及消费植物范围的高质量、分类学多样化的数据集。植硅体（phytolith）作为植物细胞内和细胞间隙沉积的微观硅质体，在考古记录中广泛保存，可提供科、亚科乃至属和种层级的诊断信息。然而，传统植硅体分析方法严重依赖人工操作，样品处理与鉴定周期漫长，且受个体专长影响易产生解释偏差，极大地限制了跨区域、跨时段的大样本量研究。近年来，深度学习在考古学中的应用日益广泛，但将深度学习应用于植硅体分类的关键瓶颈是可用的标注训练数据严重不足，这受限于传统工作流的速度、人工成本及难以扩展的现实困境。此外，现有研究普遍存在类间不平衡（class imbalance）问题，多数研究未能解决或如实汇报，此问题会导致模型偏向多数类，低估稀有但具诊断价值的形态型性能，夸大模型实用效能。因此，亟需一种能高效生成高质量、分类平衡且覆盖多种形态型训练数据集的可扩展成像方案。
**2. 研究内容与主要结论**
针对上述瓶颈，研究人员提出了一种整合低倍率全片扫描、AI辅助植硅体检测与靶向高倍率三维Z轴层扫（3D Z-stack）的自动化成像流水线。该系统将成像通量提升至每周16张玻片，每张玻片产出200-800幅植硅体图像，且操作员的人工干预时间由每张玻片3-4小时降至少于2分钟，图像质量与原有手动流程保持一致。关键性能优化（包括硬件升级、异步文件转换及采用基于面积的目标筛选）使景深扩展渲染（extended depth of field，EDF）速度提升350%（降至每帧2.22秒），TIFF导出速度提升55，450%（降至每帧60毫秒），实现了持续高通量采集。在34个禾本科（Poaceae）和灯芯草科（Juncaceae）分类单元的验证中，该工作流稳定重复地在单细胞与多细胞植硅体形态型上完成了自动化检测与采集。研究核心结论是：数据集扩展的瓶颈已由图像采集阶段转移至采集后的人工整理与标注阶段。跨分类单元的瓷片转化率（tile yield）显示显著差异（0.5%-60.4%，中位数13.7%），这一变异主要受源于分类单元特异性的形态特征（如个体大小、形态辨析度、背景噪声及其与杂质的重合度）驱动的，且与获取流程效率无关。因此，未来规模化机器学习在植物考古学的应用应重点投资于整理阶段，以标准化标注流程与规范质量控制程序。
**3. 关键研究方法**
研究人员采用的关键技术方法包括：（1）低倍率（10×）全片扫描与自定义自动聚焦和相关Z轴层扫程序，获得覆盖全片的呈像数据；（2）基于NIS-Elements GA3（Nikon）环境的AI检测模型，经过人工分割标注（针对两类尺寸形态型：大型多细胞/小型多细胞及单细胞植硅体），在1,000次迭代后训练损失达到0.20021完成训练，用于从10×扫描中自动识别目标区域，生成高倍率（40×）Z轴层扫的坐标点；（3）Z轴层扫（Z-stack）获取，使用连续自动对焦，针对大型多细胞植硅体（25-35层，48-68μm）和中小型多细胞/单细胞（10-15层，0.5-2μm步进）定制不同的采集参数；（4）集成于JOB流程中的EDF渲染，并启用了“保持所选帧”（Keep Selected Frames）功能以控制文件体量；（5）异步TIFF到JPG转换与云存储（Google Drive），显著降低本地存储与计算负担；（6）多细胞植硅体采用Berganzo-Besga等（2022）的36格栅分割流水线，而单细胞植硅体则使用自定义的目标中心化边界框标注工具。
样本来源于拉姆齐实验室（RLEA）保藏的近东材料（包括UCL Hillman收藏和Mt. Scopus收藏），涵盖33个禾本科（Poaceae）及1个灯芯草科（Juncaceae）分类单元，跨包括Triticum、Hordeum、Avena、Aegilops、Bromus、Festuca、Stipa、Lolium和Juncus属，多数分类单元包含多个个体，并遵循植物部位独立灰化处理与保存。
**4. 研究结果**
*4.1 稳定的成像输出*
按照优化后的自动化流程，在常规运作条件下，每周可完成约16张玻片的成像周期，每张玻片未经整理的高质量植硅体图片约200-800幅。切片与注释流程可实现约每张玻片产生7,200-21,600幅子瓷片（多细胞），经过单个训练有素的标注员4-6小时分类后，约50幅完整图像（1800瓷片）被纳入培训集。
*4.2 工作流耗时及可实现性*
单张玻片完整成像会话约耗时9-10小时（其中10×扫描约2小时40分钟，40×高倍率采集约5小时，含约300个点位），整体呈高度自动化。系统中存在三个不冲突任务时间段的暂停节点：玻片固化后（≥2周）可无限期保存、TIFF导出后可异步转换、分割流程启动后的独立标引阶段。硬件升级（主要指采用新型CPU、GPU、更大内存容量及PCIe Gen5 SSD）与工作流结合后，CPU占用率从ND获取过程的17-25%降至2-4%，而EDF渲染从43-60%降至10-22%；RAM占用率从53/128GB降至20/128GB（ND获取），45/128GB2117/128GB（EDF渲染），63/128GB1933/128GB（TIFF导出），证实了综合存储、处理芯片和内存系统协同升级的必要性。
*4.3 训练数据产出差异*
对34个分类单元成像和整理的数据显示，多细胞植硅体训练图像的瓷片产出率（tile yield）中位数为13.7%，平均值为13.6%进行分类单元间，最大值（60.4%，Aegilops cylindrica）与最小值（0.5%，Juncus bufonius）差异显著。以分类单元单位计算，每个成像的多细胞图像平均可产生4.89个训练级植硅体瓷片。该差异主要受形状特征驱动：大而优势稳定、形态辨析度高的多细胞类型产率更高，如Aegilops cylindrica；而小型、易与背景碎片重合的形态型产率更低，如Juncus bufonius。这揭示了不同分类单元在图像采集和人工标注上所需的工作量差异较大，设计中的决策流程须充分考虑此要素。
*4.4 挑战与工程排障*
针对工作流程集成中的主要技术风险，提出了结构化解决方案：①Z轴层扫因10×平扫焦平面的继承性存在失焦风险，须在每次40×Z轴层扫前强制启用连续内嵌于自动对焦例程（禁止跳过）。②持续TIFF批量导出时，需启用“保持所选帧”（Keep Selected Frames）功能，否则嵌入元数据文件过大可导致NIS-Elements不稳定或死机。③基于HDD的工作站捕捉密度受限于存储输出/入口，建议将自动示例的NIS-Elements任务数据库及输出目录至至少SSD，可将可靠成像点数量上限由40提升至800以上。④AI检测导致碎片或残影（redundant imaging）时，需集成基于面积的目标筛选参数，以排除低于阈值的对象。⑤玻片制备质量影响转化率，彻底进行植物部位分类和玻片制作时均匀分布灰分是最直接有效的干预。⑥某些分类单元特有的低转化率事件（如Juncus bufonius），应告知操作者须预留更多成像和玻片准备资源。
**5. 讨论与结论**
**优势**：与传统手动或半自动流程相比，该工作流极大提高了通量，单操作者可在平行处理其它实验室任务条件下建立密集培训。AI辅助的检测与自动化和标准化参数设置以及固定36栅格分割策略，不同操作员间和批次间的界面一致性显著提升。科研机构通用的研究级正置显微镜，相比于专用扫描仪（如Sorometry采用的Olympus VS200），通常已是基础配置，结合NIS-Elements等可编程软件，无需额外硬件，显著降低了构建大规模植硅体训练集的实际门槛。
**瓶颈转移**：研究表明，持续性高产出数据集建设的首要限制不再局限于成像或计算通量，而在于受分类单元特异性的形态清晰度制约及人工后期整理（诊断分类）。这一瓶颈因材料的固有特性而变，要求基础研究重心向人工注释能力、判定标准的建立以及半自动化预筛选的开发转移。这一发现将有效规范和定位未来机器学习在植硅体学中应用的关键投入方向。
**转移性与跨平台特性**：该流水线底层顺序逻辑（低倍率全景→AI检测→靶向高分辨率三维Z轴层扫集合→EDF渲染）标准，且其对平台依赖局限于Nikon NIS-Elements，但下游转换、分割、排序与标注工具均可直接对接任何能输出高分辨率明场Z轴层扫合成图像的成像系统。因此，该方案是中立于平台的框架。
**区域性及与已有工具的关系**：此工作流当前直接服务于一个近东地区植硅体AI鉴定项目。该数据正用于训练两个相关模型：探索基于多细胞颖壳形态区分野生与家生小麦，以及区域范围内禾本科颖壳植硅体的物种级鉴定。相较于基于玻利维亚亚马逊的单细胞占主导的现有数据库Sorometry，本项目侧重于近东农业发展关键期谷物颖壳多细胞形态的精细成像与其鉴定需求，两者为互补而非对抗关系，持续丰富全球植硅体数据库多样性。
**展望与结论**：本研究呈现了一个可验证的、高通量、标准化且平台可扩展的植硅体成像工作流，能将单一操作员每周处理能力维持在16张玻片，且图像采集不再是障碍。跨分类单元转化率基准数据为估算实现类间平衡所需的成像工作量供给了必要的定量指标，并确立了每个分类单元至少500张经整理图像进入模型训练的最低标准。工作流后续将扩展至更高放大倍率（100×）采集、改用Norland 165H作为封固介质并优化载玻片制备方案以减少Z轴范围，从而提升分辨率与通量。该工作流将持续为更大规模、跨类群的通用型植硅体深度学习数据库奠定方法论基线，推进植物学、古民族植物学与环境考古研究。目前产生的分类结果将逐步在后期验证中，研究总结认为将重点从图像采集转向规范化的标注与质量评估，是部署推广和学习支持发布的关键路径。
