Les travaux de doctorat de Sarah Tardif sur l’identification des pollens à partir de la cytométrie en flux et de l’apprentissage automatique viennent d’être publiés en preprint sur EGUSphere. Ils sont actuellement en processus de révision par les pairs, mais sont aussi ouverts à la discussion publique jusqu’à la fin février.
Cette étude décrit une méthode combinant cytométrie en flux et apprentissage automatique pour identifier les pollens urbains. Elle repose sur une base de données de référence comprenant 97 espèces réparties en 34 genres, et intégrant pour chaque grain de pollen des paramètres tels que la taille, la granularité et la fluorescence, cette méthode permet une identification rapide des pollens aux niveaux de l’espèce et du genre. Elle constitue une alternative efficace à la microscopie et offre un fort potentiel pour la surveillance à grande échelle des pollens urbains et la gestion des allergies.
Le document est disponible pour lecture et commentaires ici
-----------------------------------------------------------------------------
Sarah Tardif's PhD's work on pollen identification using flow cytometry and machine learning has just been published as a preprint on EGUSphere. It is currently under peer review, and is also open for public discussion until the end of February.
This study describes a high-throughput method combining flow cytometry and machine learning to identify urban pollen. Using a reference database of 97 species across 34 genera, with values of particle size, granularity, and multi-channel fluorescence for each pollen grain, this method enables rapid species- and genus-level pollen identification. It provides an efficient alternative to microscopy, with potential for large-scale urban pollen monitoring and allergy management.
The document is available for reading and feedback here