Uso de redes neuronales artificiales convolucionales para la identificación de especies del género Drosophila a partir micrografías de alas, tórax y abdomen

Abstract

El principal objetivo del estudio es desarrollar un modelo de red convolucional que permita identificar dos especies del género Drosophila a partir de micrografías de alas, tórax y abdomen, utilizando algoritmos de aprendizaje profundo para analizar y clasificar automáticamente las características morfológicas de las moscas de la fruta, lo que puede tener aplicaciones en la investigación biológica y genética.La taxonomía de las especies Drosophila es compleja, y mucho más si las especies se encuentran muy emparentadas como los son D. melanogaster y D. simulans, no existen trabajos donde se identifiquen a través de redes convolucionales y mucho menos por medio de micrografías de alas, tórax y abdomen.Las micrografías fueron proporcionadas por el laboratorio de Genética Evolutiva y las mismas fueron procesadas con data aumentation y convertidas a formato png, las redes convolucionales TensorFlow, VGG16, ResNet50 y EfficentNet50, se programaron en Python, Notebook de Jupyter, con base en los resultados obtenidos en el entrenamiento y evaluación de las redes convolucionales se concluyó que ResNet50, con una exactitud del 0,7789, es la más adecuada para la identificación de las dos especies D. melanogaster y D. simulans, debido a que se obtuvo una especificidad del 0,59 para la primera especie y el 0,91 para la segunda respectivamente. La curva ROC tiene un área bajo la curva de 0,93.