Potenciales y limitaciones en la aplicación de redes neuronales convolucionales para la identificación de especies de...

Área de la Ciencia:

• Entomología
• Ciencias de la computación
• Salud pública

Sus antecedentes:

• Las enfermedades transmitidas por mosquitos representan una amenaza significativa para la salud mundial.
• La identificación tradicional de mosquitos requiere conocimientos especializados y recursos.
• Se necesitan métodos automatizados de identificación para una vigilancia eficaz de los vectores.

Objetivo del estudio:

• Desarrollar un sistema confiable de red neuronal convolucional (CNN) para la identificación de especies de mosquitos utilizando imágenes de alas.
• Mejorar la adaptabilidad del modelo a diversos dispositivos y mitigar los sesgos de los conjuntos de datos.
• Asegurar la utilidad práctica para la vigilancia de vectores en condiciones reales.

Principales métodos:

• Utilizó un conjunto de datos diverso de 14,888 imágenes de alas de mosquitos en 21 taxones y tres dispositivos.
• Implementó una tubería de preprocesamiento para estandarizar imágenes y eliminar artefactos.
• Desarrolló y evaluó modelos de CNN para la precisión y robustez de la clasificación.

Principales resultados:

• Logró un alto rendimiento con una precisión equilibrada del 98,3% y una puntuación macro F1 del 97,6%.
• Se ha distinguido efectivamente entre 21 taxones de mosquitos, incluidas especies morfológicamente similares.
• La tubería de preprocesamiento mejoró la robustez del modelo frente a las variaciones del dispositivo, aunque persistieron los sesgos.

Conclusiones:

• El sistema basado en CNN muestra un gran potencial para la identificación precisa de mosquitos, ayudando a la vigilancia de vectores.
• El flujo de trabajo desarrollado es adaptable y utilizable, ofreciendo una herramienta valiosa para entornos con recursos limitados.
• La disponibilidad pública del sistema apoya la investigación y los esfuerzos para controlar las enfermedades transmitidas por mosquitos.