Dados do Trabalho

Título

Desempenho de uma rede de aprendizagem profunda para identificar imagens de Panstrongylus lignarius (Triatominae) do Brasil e Peru.

Introdução

A identificação correta de triatomíneos é fundamental para a vigilância da doença de Chagas. A Inteligência Artificial (IA) tem sido aplicada com sucesso para identificar espécies, porém o desempenho da IA para identificar variações intraespecíficas ainda não foi avaliada em imagens de triatomíneos. Panstrongylus lignarius ocorre em palmeiras e outros habitats silvestres na Amazônia, onde espécimes adultos têm invadido casas sem colonizar. Porém, uma população peruana é encontrada frequentemente nas casas. P. lignarius do Brasil e Peru são fenotipicamente similares, interférteis e indistinguíveis por citogenética. Entretanto, as populações peruanas apresentam um anel subapical na tíbia que as diferencia da população brasileira. A identificação de outros marcadores morfológicos entre as populações poderia caracterizar uma subespécie no Peru.

Objetivo (s)

Avaliar o desempenho de uma rede de aprendizagem profunda (AlexNet) para identificação de imagens de populações brasileiras e peruanas de Panstrongylus lignarius.

Material e Métodos

Usamos imagens de espécimes de P. lignarius do Brasil (Amazonas) e do Peru (Andean Marañón valley) obtidas no Laboratório de Parasitologia Médica e Biologia de Vetores da Universidade de Brasília. As populações foram identificadas pela presença de um anel subapical na tíbia. O banco de imagens de cada população foi dividido em conjuntos de treinamento e teste. Utilizamos 80% das imagens para treinamento da AlexNet, 10% para validação interna e 10% para teste, usando MATLAB. Calculamos a média da acurácia, sensibilidade e especificidade (10 pseudoréplicas) e o intervalo de confiança 95% (IC) para o experimento. No total, foram avaliadas 200 imagens (69 de P. lignarius do Brasil e 137 de P. lignarius do Peru).

Resultados e Conclusão

A acurácia para identificação das populações foi de 99% (IC%: 96-100), a sensibilidade foi 98% (IC: 95-100), e especificidade foi 100% (IC: 95-100). Nossos resultados indicam que a AlexNet foi capaz de identificar as populações de P. lignarius do Brasil e do Peru. Futuras análises com algoritmos que identificam as áreas da imagem mais discriminatórias deverão indicar se AlexNet diferenciou as populações a partir do anel subapical da tíbia ou outras características. Apresentamos mais evidências para suportar a existência de uma subespécie de P. lignarius no Peru e reforçamos a utilidade da aprendizagem profunda em estudos taxonômicos.

Palavras-chave

inteligência artificial, aprendizado de máquina, AlexNet, triatomíneos, doença de Chagas.