Aplicação de modelos de Markov ocultos na obtenção de taxas de mortalidade das larvas do mosquito da Dengue

Abstract

Com o intuito de combater a proliferação do mosquito transmissor do vírus da dengue e, consequentemente, diminuir os casos de infecção humana pelo vírus, diversos larvicidas vêm sendo estudados recentemente por profissionais das áareas da saúde e afins. Nos últimos anos, pesquisadores da Universidade Católica Dom Bosco avaliam a eficácia de substâncias extraídas de plantas com potencial larvicida no combate às larvas desse inseto. Dentre os critérios uti- lizados na avaliação de uma substância, encontra-se a taxa de mortalidade das larvas. Essa taxa pode ser obtida por meio de observação visual periódica das larvas sujeitas à substância. No entanto, características humanas, como suscetibilidade µa exaustão e subjetividade, podem comprometer a precisão dessa taxa, o que influencia na avaliação final do larvicida em questão. Por conta desse e de outros fatores, torna-se interessante a construção de sistemas computa- cionais para observação automática das larvas. Por se tratar de uma tarefa realizada com base em aspectos visuais, a aplicação de técnicas de visão computacional (VC) associadas a outras técnicas possivelmente é adequada ao desenvolvimento de tais sistemas. Nesse contexto, o grupo de pesquisadores em VC da universidade citada criou um projeto de pesquisa, denominado LARVIC, que visa automatizar a obtenção dessas taxas com auxílio da VC. Com o intuito de contribuir com o sistema em desenvolvimento nesse projeto, este trabalho investiga a aplicação de modelos de Markov ocultos como mecanismo de classificação de comportamentos de larvas. Como resultado, por meio da identificação da falência de larvas, pode-se obter, dentre outras informações, a taxa de mortalidade em cada experimento. Para isso, sequências de imagens de larvas vivas e mortas contidas em recipientes apropriados foram capturadas em laboratório e processadas por algoritmos de VC e áreas relacionadas para aquisição de informações que viabi- lizaram a análise da aplicação proposta. A investigação se fundamenta em três perspectivas, a saber: 1) as probabilidades iniciais dos modelos, utilizadas como base para o reajuste de proba- bilidades, 2) o critério de parada para a etapa de reajuste e 3) o modo de utilização dos modelos para classificação dos comportamentos. Foram consideradas probabilidades iniciais parcialmente aleatórias e pré-computadas manual e automaticamente. Para avaliação do critério de parada padrão utilizado nos experimentos, foram examinados outros critérios mais robustos. Como alternativa ao modo de classificação tradicionalmente utilizado, os modelos foram combinados com técnicas de aprendizagem de máquina, com o intuito de ampliar o desempenho dos classificadores. Para analisar cada perspectiva, foram executados diferentes experimentos através do uso de algoritmos provenientes de bibliotecas específicas e outras implementações aqui desen- volvidas. Por meio de análise baseada em taxas de acerto e gráficos sobre o desempenho, foi possível concluir que o desempenho dos classificadores baseados apenas em modelos de Markov ocultos, embora inferior ao de outros classificadores, foi considerável para a aplicação estudada.

In order to prevent the proliferation of Dengue transmitter - scientifically named as Aedes ae- gypti - and therefore decrease human contamination by such insect, many larvaecides have been developed recently. Researchers from Dom Bosco Catholic University evaluate the efectiveness of vegetal-derived substances capable to combat such animal larvae. Death rate is among many evatuation criteria of these substances. Such rate may be obtained by periodic visual observation of larvae subjected to some substance. However, human limitations, such as relative conclusions and exhaustion susceptibility, can damage a larvaecide investigation. Thus, a computer system which can automatically observe larvae while experiments are performed is a great support for science. For this type of systems, computer vision (CV) algorithms may be appropriated once larva observation is a visual-based task. In addition, such systems can be substantially improved when using techniques from other areas, specially pattern recognition and machine learning. In this context, the research group of CV from the aforementioned university created a project, named LARVIC, so as to develop an automatic system based on CV. In order to collaborate with this project, the present work investigate the applicability of Hidden Markov Models in larvae behaviour classification. For this purpose, image sequences of dead and alive larvae inside a specific recipient were captured and then processed by algorithms of CV and related areas, producing relevant data which allowed the analysis of the proposed application. Three aspects were considered during the examination, namely: 1) initial probabilities of models, which are base for parameters reestimation, 2) stop criterion of reestimation stage, and 3) how to use the models as a classifier. Partly random and previously computed initial probabilities were used. Stronger criteria were examinated to analyse standard criterion. A combination with models and machine learning techniques was built to increase the perfomance of classifiers based on the major technique of this work. External libraries and additional implementations made experi- ments possible. Based on error rate and performance graphs, we conclude with this work that the performance of classifiers based on Hidden Markov Models with no combination, though inferior to some classifiers, was substantial for the approached application.