Diseño, implementación y evaluación de técnicas genéricas de detección de C. elegans mediante redes neuronales convolucionales

Abstract

[ES] El nematodo Caenorhabditis elegans (C. elegans) ha emergido como un importante modelo animal para la investigación de enfermedades neurodegenerativas y desarrollo de nuevos fármacos y grupos alimenticios. Por este motivo, resulta interesante el desarrollo de técnicas de automatización que permitan aumentar la productividad y la precisión en el desarrollo de los ensayos.

El objetivo de este trabajo consiste en el diseño, implementación y evaluación de técnicas genéricas de detección de C. elegans en imágenes capturadas con varios sistemas de visión mediante distintos tipos de redes neuronales convolucionales (tipo Mask R-CNN y Yolo5) con la finalidad de poder analizar su comportamiento.

Para la realización del trabajo se parte de dos datasets de imágenes capturados con sistemas de visión diferentes, las cuales ya están etiquetadas, proporcionadas por el Instituto de Automática e Informática Industrial (ai2) de la UPV.

La implementación y entrenamiento de los modelos de aprendizaje profundo se realizará en el lenguaje de programación Python utilizando la librería Pytorch. Además, se utilizarán otras librerías de procesamiento de imágenes como OpenCV y PIL.

Finalmente, se evaluarán y optimizarán las distintas propuestas, utilizando como criterios de comparación y optimización las tasas de aciertos y los costes temporales de computación.

[EN] The nematode Caenorhabditis elegans (C. elegans) has emerged as an important animal model for neurodegenerative illnesses investigation and develop of new medicines and alimentary groups. For this reason, it seems interesting to develop new automatization techniques that allow to increase the productivity and precision in the develop of the tests.

The objective of this work consists of the design, implementation and evaluation of generic techniques for C. elegans detection in images captured with different vision systems by means of convolutional neural networks (Mask R-CNN and Yolo5) with the purpose of being able to analyze their behavior.

The making of this work is based in two image datasets, with the images already labelled, provided by the Instituto de Automática e Informática Industrial (ai2) from the UPV.

The implementation and training of the deep learning methods will be programmed in Python using Pytorch library. Moreover, other processing libraries such as OpenCV and PIL will be used.

Finally, the different proposals will be evaluated and optimized, using criteria of hit rates and computational time costs as optimization and comparison criteria.

[CA] El nematode Caenorhabditis elegans (C. elegans) ha emergit com un important model animal per a la investigació de malalties neurodegeneratives i desenvolupament de nous fàrmacs i grups alimentosos. Per aquest motiu, resulta interessant el desenvolupament de tècniques d'automatització que permeten augmentar la productivitat i la precisió en el desenvolupament dels assajos. L'objectiu d'aquest treball consisteix en el disseny, implementació i avaluació de tècniques genèriques que permeten detectar C. elegans en imatges capturades amb diferents sistemes de visió artificial, amb la finalitat de poder analitzar el seu comportament (moviment, poses, etc). En concret, s'avaluaran diferents tipus de xarxes neuronals convolucionals (tipus Mask R-CNN i Yolo5). Per a la realització del treball es parteix de dues datasets d’imatges, les quals ja estan etiquetades, proporcionades per l’Institut d’Automàtica i Informàtica Industrial (ai2) de la UPV. La implementació i entrenament dels models d'aprenentatge profund es realitzarà en el llenguatge de programació Python utilitzant la llibreria Pytorch. A més, s'utilitzaran altres llibreries de processament d'imatges com OpenCV i PIL. Finalment, s'avaluaran i optimitzaran les diferents propostes, utilitzant com a criteris de comparació i optimització les taxes d'encerts i els costos temporals de computació.