Video Experimental Relacionado
Updated: Apr 29, 2026

Rearing Ixodes scapularis, the Black-legged Tick: Feeding Immature Stages on Mice
Published on: May 8, 2017
Un enfoque de aprendizaje profundo para clasificar las etapas de desarrollo de las garrapatas en imágenes capturadas
Aleksandra Marzec1,2, Anna Filipowska2, Oliwia Humeniuk2
1Foundation of Cardiac Surgery Development, Institute of Heart Prostheses, 345a Wolności, 41-800 Zabrze, Poland.
Este estudio introduce un modelo de aprendizaje profundo para clasificar las etapas de desarrollo de las garrapatas europeas. Esta herramienta de IA ayuda a comprender la transmisión de enfermedades transmitidas por garrapatas al identificar con precisión las larvas, las ninfas y los adultos.
Área de la Ciencia:
- Entomología
- Ciencias de la computación
- Salud pública
Sus antecedentes:
- Ixodes ricinus es la garrapata más común de Europa y un vector importante de patógenos como las bacterias de la enfermedad de Lyme y el TBEV.
- Las diferentes etapas de desarrollo de las garrapatas (larvas, ninfas, hembras adultas, machos adultos) tienen diferentes funciones en la transmisión de enfermedades.
- Las ninfas son particularmente relevantes epidemiológicamente debido a su prevalencia y tamaño pequeño, lo que hace que la identificación precisa sea crucial.
Objetivo del estudio:
- Desarrollar y validar un modelo de aprendizaje profundo para clasificar las etapas de desarrollo de las garrapatas.
- Abordar la necesidad de una identificación automatizada de las etapas de las especies de garrapatas europeas, diferenciándose de las soluciones existentes centradas en América del Norte.
Principales métodos:
- Se desarrolló un modelo de red neuronal convolucional (CNN) y se entrenó en imágenes microscópicas de garrapatas Ixodes ricinus.
- Los datos de imagen se recogieron en la región de Alta Silesia de Polonia.
- Se empleó la técnica de IA explicable (XAI), Grad-CAM, para visualizar los procesos de toma de decisiones del modelo.
Principales resultados:
- El modelo CNN demostró su eficacia en la clasificación de las etapas de desarrollo de las garrapatas.
- El estudio es el primero en aplicar las CNN para identificar las etapas de desarrollo de la fauna de garrapatas europea.
- El análisis Grad-CAM proporcionó información sobre las características de la imagen críticas para la precisión de la clasificación del modelo.
Conclusiones:
- El enfoque de aprendizaje profundo desarrollado ofrece un método novedoso y preciso para identificar las etapas de desarrollo de las garrapatas.
- Esta tecnología tiene importantes aplicaciones potenciales en la investigación entomológica, la vigilancia de la salud pública y el manejo de enfermedades transmitidas por garrapatas.
- El modelo proporciona una herramienta valiosa para distinguir entre las etapas de las garrapatas, mejorando las evaluaciones epidemiológicas y las estrategias de control.
Videos de Conceptos Relacionados
Imaging Biological Samples with Optical Microscopy
In optical microscopy, the specimen to be viewed is placed on a glass slide and clipped on the stage...
Super-resolution Fluorescence Microscopy

