Сахалин или Европа: нейросети узнают родину рачка по форме тела

Учёные собрали микрофотографии самок из 14 водоёмов. Семь из них находятся в Европе: в Швейцарии, Бельгии, Германии и европейской части России. Ещё семь — на Сахалине. Каждую особь снимали под микроскопом в одном положении, головой в одну сторону. Исходных снимков было 165. Поворотами, отражениями и масштабированием, которые не искажают форму тела, их число довели до 1182 — примерно в семь раз больше. Снимки разделили на четыре группы: взрослые и молодые самки из Европы и с Сахалина. Их распознавали три нейросети разной сложности — ResNet-18, MobileNetV3 и ShuffleNetV2. Все три заранее обучили на ImageNet (большом наборе обычных фотографий).

Все три модели показали точность 82–83%. Показатель ROC-AUC составил 0,94–0,96. Он отражает, насколько уверенно модель разделяет группы, и для безошибочного разделения равен 1. Самая тяжёлая сеть, ResNet-18, заметного преимущества перед лёгкими не дала. Главное выяснилось при разборе ошибок: модели чаще путали молодых и взрослых рачков из одного региона, чем европейских и сахалинских. Это объяснимо: рачок взрослеет постепенно. А вот региональные различия, судя по всему, модель уловила.

Чтобы проверить вывод, учёные применили и классический метод — геометрическую морфометрию (сравнение формы по опорным точкам на теле). Он тоже показал, что взрослые самки из Европы и с Сахалина различаются, особенно формой выводковой камеры и головы.

«Речь не идёт о выделении новых видов. Мы использовали внутривидовую изменчивость как модель, чтобы проверить, может ли компьютер увидеть тонкие различия», — пояснил научный сотрудник ИПЭЭ РАН, кандидат биологических наук Петр Гарибян.

Нейросети, подчёркивают они, не заменят морфологов, а станут для них дополнительным инструментом.

«Речь не идёт о выделении новых видов. Мы использовали внутривидовую изменчивость как модель, чтобы проверить, может ли компьютер увидеть тонкие различия»