MicroDetect-Net (MDN)：利用深度学习检测蛤血中的微塑料，迈向人体血液分析的一步
计算机视觉与模式识别
2025-08-27 v1
摘要
随着塑料年产量超过3.68亿吨，微塑料污染已发展到空气、水、土壤和生物体均被检测出微塑料存在的程度。这些尺寸小于5毫米的颗粒对人类和环境的危害同样严重。对微塑料的毒性研究表明，暴露可能导致肝脏感染、肠道损伤和肠道菌群失衡，从而引发多种潜在健康危害。本文提出了一种新模型 MicroDetect-Net (MDN)，该模型应用尼罗红染料染色的荧光显微镜技术和深度学习来扫描血液样本中的微塑料。尽管蛤血在复制真实人体血液方面存在一定局限性，但这项研究为将该方法应用于更一致的人体样本进行初步数据收集开辟了途径。MDN 模型集成了数据集准备、荧光成像以及使用卷积神经网络进行分割，以定位和计数微塑料碎片。卷积网络与尼罗红染料相结合进行分割，产生了强大的图像检测能力和准确度。MDN 在一个包含 276 张尼罗红染色的荧光血液图像数据集上进行了评估，达到了 92% 的准确率。其性能表现稳健，交并比为 87.4%，F1 分数为 92.1%，精确率为 90.6%，召回率为 93.7%。这些指标证明了 MDN 在微塑料检测中的有效性。
引用
@article{arxiv.2508.19021,
title = {MicroDetect-Net (MDN): Leveraging Deep Learning to Detect Microplastics in Clam Blood, a Step Towards Human Blood Analysis},
author = {Riju Marwah and Riya Arora and Navneet Yadav and Himank Arora},
journal= {arXiv preprint arXiv:2508.19021},
year = {2025}
}
备注
10 pages, 5 figures. Accepted to ICICC 2025 (Innovative Computation in Biomedical Imaging)