INSTITUTO DE OPTICA  
Español | English

Una plataforma de microscopía digital automatizada de bajo costo para la identificación automática de diatomeas  
Una plataforma de microscopía digital automatizada de bajo costo para la identificación automática de diatomeas



Las diatomeas son algas unicelulares microscópicas presentes en la Tierra desde hace al menos 180 millones de años. Sobreviven en cualquier ecosistema acuático con suficiente luz - mar, lagos, ríos, incluso barro - donde viven en la masa de agua en forma de plancton o adheridas a plantas, rocas o pequeñas partículas de arena. Las diatomeas son los protistas más diversos del planeta (es decir, organismos unicelulares con un núcleo), con alrededor de 20.000 especies conocidas, de las cuales el 90% -según las estimaciones- aún no han sido descubiertas.

Se estima que las diatomeas son responsables del 20% de la fijación total de carbono en la Tierra, siendo más productivas que todas las selvas tropicales del planeta. Por lo tanto, son esenciales para el equilibrio de todo el ecosistema del planeta.

Debido al tamaño microscópico de las diatomeas -que van desde 2μm a 2 mm de longitud para la mayoría de las especies- son invisibles a simple vista; por lo tanto, los científicos utilizan microscopios ópticos o microscopios electrónicos de barrido (SEM) para revelar los secretos de las diatomeas. Las diatomeas son seres vivos únicos cuyas paredes celulares están basadas en sílice opalina inorgánica, bastante resistente a la descomposición, al calor y a los ácidos. Es como si la célula estuviera dentro de una placa de Petri, llamada frústulo. La cubierta consiste en dos mitades entrelazadas, la epiteca y la hipoteca -ligeramente más pequeña-.

Cada especie de diatomeas está adaptada a un ecosistema relativamente específico, por lo que la calidad de los ecosistemas acuáticos se puede inferir obteniendo índices de las especies de diatomeas presentes
Presentan como ventajas el que se conoce la tolerancia a la putrefacción del esqueleto de sílice de la mayoría de los tipos de diatomeas, y que su recolección en entornos acuáticos sigue protocolos rápidos y de escasa dificultad. Por el contrario, tienen de inconveniente que la preparación posterior de las muestras en el laboratorio es laboriosa y requiere instrumental especializado. Además para lograr su identificación se requiere de la participación de expertos taxónomos.

Para mitigar este desafío, en este trabajo proponemos un microscopio automatizado de bajo coste totalmente operativo, que integra algoritmos para: (1) control de la pletina y autoenfoque, (2) adquisición de imágenes (escaneo de diapositivas, alineamiento, mejora del contraste), y (3) detección de diatomeas y una clasificación prospectiva de muestras (entre 80 taxones). Se han aplicado algoritmos de aprendizaje profundo para superar la difícil selección de descriptores de imágenes impuesta por las estrategias clásicas de aprendizaje de máquinas. Con respecto a las estrategias mencionadas, los mejores resultados se obtuvieron mediante redes neuronales profundas con una precisión máxima del 86% (con la red YOLO) para la detección y del 99,51% para la clasificación, entre 80 especies diferentes (con la red AlexNet). Todos los módulos operativos desarrollados son integrados y pueden ser controlados por el usuario desde una interfaz gráfica de usuario desarrollada que se ejecuta en el controlador principal. Con la plataforma operativa desarrollada, cabe destacar que este trabajo proporciona un conjunto de herramientas bastante útil en las tareas de apoyo en la identificación y clasificación de diatomeas.

Este trabajo podría dar lugar a transferencia de tecnología en el ámbito de la microscopía digital incorporando futuras mejoras permitiendo aumentar las capacidades del sistema y su posible adopción por el mercado. Algunos trabajos futuros que podrían llevarse a cabo para mejorar el sistema serían,
- Sustitución del PC de pequeño formato por una unidad de cálculo con una GPU para sistemas empotrados, capaz de realizar inferencias rápidas de aprendizaje profundo incluso para algoritmos de aprendizaje de máquinas muy exigentes. En esta línea, se está probando un prototipo preliminar con la plataforma Jetson de NVIDIA.
-Algoritmos de segmentación más precisos para reducir los falsos positivos y los falsos negativos.
-Mejora de la modularidad de los elementos mecánicos, para un rápido desacoplamiento a los microscopios estándar.
-Tiempos de respuesta más rápidos para el escaneo secuencial, aplicando estrategias de control de motores más complejas, minimizando los efectos de retroceso y optimizando las trayectorias seguidas.


Acceso al artículo aquí
 
Investigación financiada por el Ministerio de Ciencia e Innovación y la Agencia Estatal de Investigación
Instituto de Óptica "Daza de Valdés"
(IO-CSIC)
C/ Serrano, 121
28006 Madrid (España)
Tel: 915 616 800
Consejo Superior de Investigaciones Científicas - Instituto de Óptica twitter twitter twitter twitter
Enlaces | Contacto | Aviso legal | Intranet | Instituto de Óptica (CSIC) | Exposición 75 años | Fondo Fotográfico “María Teresa Vigón”