Giu 18, 2024
Deep learning per il conteggio delle fibre di amianto

J Hazard Mater. 2023 agosto 5;455:131590. EPUB 2023 Maggio 6.

Ahmad Rabiee, Giancarlo Della Ventura, Fardin Mirzapour, Sergio Malinconico, Sergio Bellagamba, Federico Lucci, Federica Paglietti

PMID: 37178531

DOI: 10.1016 /j.jhazmat.2023.131590

Il metodo PCM (microscopia a contrasto di fase) per il conteggio delle fibre di amianto richiede trattamenti speciali del campione, quindi richiede tempo, ed è piuttosto costoso. In alternativa, è stata implementata una procedura di “deep learning” sulle immagini acquisite direttamente dai campioni aerodispersi non trattati utilizzando filtri standard MCE (Mixed Cellulose Ester). Sono stati preparati diversi campioni con una miscela di crisotilo e crocidolite con diversi carichi di concentrazione. Utilizzando un obiettivo 20x accoppiato con un sistema di retro-illuminazione, sono state raccolte 140 immagini da questi campioni, che insieme ad altre 13 immagini artificiali caricate con fibre costituivano il database. Circa 7500 fibre sono state riconosciute manualmente e annotate seguendo il metodo di conteggio delle fibre 7400 dell’Istituto Nazionale per la Sicurezza e la Salute sul Lavoro (NIOSH) come input per la formazione e la convalida del modello. Il modello meglio addestrato fornisce una precisione totale di 0,84 con F1-Score di 0,77 con una confidenza di 0,64. Questo metodo può essere considerato un’alternativa affidabile e competente al PCM convenzionale.