MACNeXt: Detección de especies bacterianas basada en redes neuronales convolucionales compactas

Área de la Ciencia:

• Microbiología
• Ciencias de la Computación
• Bioinformática

Sus antecedentes:

• La identificación bacteriana precisa es crucial para la salud humana, la monitorización ambiental y las aplicaciones industriales.
• Los métodos tradicionales como el cultivo y la microscopía consumen mucho tiempo, son costosos y propensos a errores.
• El aprendizaje profundo ofrece una vía prometedora para la clasificación bacteriana rápida y objetiva.

Objetivo del estudio:

• Desarrollar una arquitectura novedosa y compacta de aprendizaje profundo para la clasificación de especies bacterianas.
• Lograr alta precisión y eficiencia para una posible aplicación clínica de rutina.
• Introducir la Red de Activación Múltiple (MACNeXt) para el análisis de imágenes bacterianas.

Principales métodos:

• Se utilizó un conjunto de datos curado de 18.221 imágenes microscópicas de bacterias de 24 especies.
• Se desarrolló una novedosa arquitectura de Red Neuronal Convolucional (CNN), MACNeXt.
• MACNeXt presenta un diseño de múltiples ramas que incorpora funciones de activación GELU y ReLU para una representación mejorada de las características.

Principales resultados:

• MACNeXt logró una precisión del 90,97%, una precisión del 89,63%, una recuperación del 88,64% y una puntuación F1 del 88,99% en el conjunto de prueba.
• El modelo demostró un rendimiento equilibrado y estable en todas las especies bacterianas.
• MACNeXt es un modelo liviano con aproximadamente 4,4 millones de parámetros aprendibles, lo que indica un bajo costo computacional.

Conclusiones:

• El modelo MACNeXt desarrollado es una CNN compacta, liviana y de alta precisión para la clasificación de especies bacterianas.
• Su diseño eficiente lo hace adecuado para el uso clínico de rutina, mejorando la velocidad y la fiabilidad del diagnóstico.
• Este enfoque de aprendizaje profundo avanza en la identificación bacteriana, apoyando la administración responsable de antibióticos y el diagnóstico.