APLICACIÓN DE TÉCNICAS DE INTELIGENCIA ARTIFICIAL (DEEP LEARNING) PARA CLASIFICACIÓN Y CONTEO DE PARÁSITOS

ALARCOS, A.J.; TIMI, J.T.; FIORENTINI L.S.

Corrientes

Congreso; VIII CONGRESO ARGENTINO DE PARASIOLOGÍA; 2019

Asociación Argentina de Parasitología

Grillotia carvajalregorum es una especie de cestode ampliamente distribuido entre los peces teleósteos del AtlánticoSudoccidental, que cumplen el rol de hospedadores intermediaros o paraténicos. Se enquistan en grandes números ensus tejidos, por lo que su conteo resulta dificultoso en numerosos casos. Con el objetivo de agilizar el registro de estosparásitos se implementó una aplicación con tecnología de ?deep learning? para el reconocimiento de quistes de dichaespecie, presentes en el tejido parasitado del hospedador. Para la toma de imágenes digitales se utilizó como especie dehospedador-modelo a la anchoa de banco Pomatomus saltatrix. La metodología aplicada se trata de un modelo de redesneuronales artificiales que imita a las neuronas biológicas, conectadas entre sí y trabajando en conjunto, aprendiendosobre el proceso (fase de entrenamiento de la red neuronal). Dados ciertos parámetros (hiperparámetros en la terminologíade ?deep learning?) de la red neuronal, existe una forma de combinarlos para predecir un cierto resultado (etapa deinferencia), siendo el desafío descubrir los valores de dichos parámetros. En el presente estudio se realizó la clasificaciónde los quistes de G. carvajalregorum en imágenes de entrenamiento (ubicación, tipo de quiste, etc.). Luego, se entrenóuna red neuronal de tipo ResNet con 10 épocas de entrenamiento y se obtuvo una eficacia de entrenamiento del 97%.Posteriormente, se validó el modelo entrenado con 5 imágenes nuevas (que no pertenecen al lote de entrenamiento) yse obtuvo una precisión de detección del 95,9%. Este estudio resulta novedoso en ictioparasitología ya que sólo existenalgunos antecedentes en la aplicación de este tipo de tecnología en medicina. Se pretende avanzar en el desarrollo delproyecto para poder lograr un buen entrenamiento de la red neuronal, mejorar la eficiencia en el conteo y poder aplicarloen el resto de las especies de peces marinos que albergan este parásito. Además, con el avance, será posible realizaruna aplicación móvil de fácil y práctico uso en los muestreos de rutina de laboratorio. Este proyecto se logra gracias a laarticulación entre investigadores de parasitología y Software del Centro, empresa especializada en inteligencia artificial.