Robust Statistical and Artificially Intelligent Approaches for the Analysis of 2D and 3D Morphological Data
- Autores: Lloyd A. Courtenay
- Directores de la Tesis: Diego González Aguilera (dir. tes.), José Yravedra Sainz de los Terreros (codir. tes.)
- Lectura: En la Universidad de Salamanca ( España ) en 2023
- Idioma: español
- Número de páginas: 392
- Tribunal Calificador de la Tesis: Julia Aramendi (presid.), Susana del Pozo Aguilera (secret.), Francesco Boschin (voc.)
- Programa de doctorado: Programa de Doctorado en Geotecnologías Aplicadas a la Construcción, Energía e Industria por la Universidad de Salamanca y la Universidad de Vigo
- Materias:
- Enlaces
- Resumen
- español
Las nociones de geometría y morfología son un componente fundamental del modo en que percibimos, describimos y esencialmente interactuamos con los objetos. La forma y el tamaño de un elemento pueden ser altamente informativos, y condicionan el modo en que realizamos funciones básicas en nuestra vida cotidiana. La morfología puede ser útil para; la detección de anomalías y patrones, la caracterización de un objeto u organismo, así como la identificación de la casualidad (causa y efecto). Sin embargo, encontrar un acercamiento eficaz y objetivo de caracterizar la morfología de los elementos micro y macroscópicos suele ser un gran reto en muchos campos de la ciencia. Aunque muchos enfoques de este tipo de tareas se han basado durante mucho tiempo en una descripción visual o cualitativa de la forma, lamentablemente la mayoría de estos métodos están influenciados por notables grados de subjetividad, típicamente producto del error humano y dependiente de la experiencia y el conocimiento.
En la presente Tesis Doctoral, se explora una amplia gama de diferentes técnicas para la extracción y el análisis de datos morfológicos. En concreto, los principales objetivos de este estudio son definir un flujo de trabajo general que pueda ser utilizado para la cuantificación de diferentes elementos, con la esperanza de desarrollar un enfoque transparente e transdisciplinar que pueda aplicarse a muchos campos de la ciencia.
Para ello, se han utilizado múltiples técnicas de digitalización de datos tanto en 2D como en 3D, entre ellas (por orden de prevalencia): escaneo de superficies con luz estructurada, tomografía microcomputada, microscopía digital 3D y la fotografía para la obtención de imágenes clínicas. A continuación, se investigó cuál era el mejor medio para extraer información morfológica, principalmente mediante análisis de Morfometría Geométrica, aunque también se probaron combinaciones de análisis métricos tradicionales y avanzados basados en análisis de Fourier elípticos. A raíz de esto, la presente Tesis Doctoral dedica una parte importante de la investigación a la búsqueda de los mejores medios de análisis estadístico de este tipo de información. Más concretamente, se emplea el uso de múltiples enfoques estadísticos robustos, así como pruebas paramétricas y no paramétricas, con el fin de obtener la mayor precisión posible en las conclusiones extraídas.
Con el fin de aprovechar esta información para tareas como la clasificación o el diagnóstico, esta Tesis Doctoral también presta gran atención al uso del Aprendizaje Computacional para el desarrollo de algoritmos de la Inteligencia Artificial en tareas de toma de decisiones. Sin embargo, antes del desarrollo de algoritmos de clasificación, la investigación profundizó en las posibles limitaciones presentes en la ciencia de datos. A saber, los problemas debidos al tamaño de la muestra y la "maldición de la dimensionalidad".
Para superar estas limitaciones, se desarrollaron diferentes líneas de investigación; primero explorando la multitud de técnicas disponibles para el aumento de datos y la simulación; seguido por la experimentación con diferentes tipos de algoritmos para tareas de clasificación.
Los resultados obtenidos en este estudio revelan que muchas técnicas diferentes son útiles para el modelado, extracción y estudio de la información morfológica. Aquí se ha demostrado en una variedad de diferentes escenarios diferentes cómo, especialmente cuando se combinan con enfoques estadísticos robustos, tanto la morfometría geométrica y los análisis de Fourier elípticos son herramientas poderosas para la descripción de la forma. A lo largo de esta investigación, la simulación de datos también ha demostrado ser un paso fundamental en el flujo de trabajo, proporcionando mediante técnicas de inteligencia artificial (ej. redes neuronales, máquina de soporte de vectores) información suficiente para la identificación de nuevos especímenes.
Con el fin de promover la transparencia y mejorar la reproducibilidad, la presente Tesis Doctoral también va acompañada de una amplia colección de código abierto, conjuntos de datos y diferentes programas informáticos.
La aplicabilidad de estos enfoques metodológicos, y por tanto, su carácter transdisciplinar, ha quedado demostrado a través de múltiples casos de estudio validados con éxito. Entre ellos se incluyen aplicaciones en arqueología y paleontología, la paleoantropología, el bienestar animal, y la dermatología.
A través de este compendio de artículos de investigación, los métodos presentados han sido capaces de contribuir con una serie de características en cada uno de estos campos. Estas van desde la capacidad de identificar taxones de carnívoros extintos en yacimientos arqueológicos basándose en sus marcas dentales, hasta la primera cuantificación empírica de la asimetría de las lesiones cutáneas como herramienta de diagnóstico en oncología dermatológica. Además, mediante la presentación de un nuevo modelo matemático para la descripción de la morfología, este estudio ha sido capaz de proporcionar un nuevo medio, más eficiente, de extraer información biomecánica de los huesos largos de las extremidades de los grandes primates. En definitiva, cada uno de estos descubrimientos presenta prometedoras ventajas para el estudio de otros tipos de datos morfológicos.
La presente Tesis Doctoral pretende, por tanto, aportar una nueva perspectiva sobre los medios con los que se puede estudiar la morfología de diferentes elementos, promoviendo un enfoque más robusto y transdisciplinar. Por ello, las investigaciones futuras se centrarán en aplicar estas técnicas a otros campos de la ciencia, al tiempo que permitan trabajar en el ajuste de este flujo de trabajo metodológico para obtener una mayor precisión y exactitud.
- English
Notions of geometry and morphology are a fundamental component of the way we perceive, describe, and essentially interact with objects. The shape and size of an element can be highly informative, and will thus condition the way we carry out basic functions in our daily lives. Morphology can be useful for; the detection of anomalies and patterns, the characterisation of an object or organism, as well as the identification of casuality (cause and effect). Nevertheless, finding an efficient and objective means of characterising morphology in both micro and macroscopic elements is often a great challenge in many fields of science. While many approaches to these types of tasks have long relied on a visual or qualitative description of shape and form, unfortunately most of these methods are influenced by notable degrees of subjectivity, typically product of human-based error and dependent on experience and perspective.
In the present Doctoral Thesis, a wide array of different techniques for the extraction and analysis of morphological data is explored and discussed. Specifically, the main goals of this study are to define a general workflow that can be used for the quantification of different elements, with the hope of developing a transparent and transdisciplinary approach that can be applied to many fields of science.
For this purpose, multiple techniques for the digitisation of both 2D and 3D data have been used, including (in order of prevalence); structured light surface scanning, micro-computed tomography, 3D-digital microscopy, and traditional photography for clinical imaging. Investigation into the best means of extracting morphological information was then explored, primarily including geometric morphometric analyses, while also testing combinations of traditional metric and elliptic Fourier analyses as well. Following this, the present Doctoral Thesis dedicates a significant portion of research into finding the best means of statistically analysing this type of information. Here the use of multiple robust statistical approaches is employed, as well as both parametric and non-parametric testing, in order to obtain the highest possible accuracy in the conclusions withdrawn.
So as to leverage this information for tasks such as classification or diagnostics, this Doctoral Thesis also focuses great attention on the use of Computational Learning for the development of Artificially Intelligent algorithms in decision-making tasks. Prior to the development of classification algorithms, however, research delved into the possible limitations present in data science. Namely, problems due to sample size and the "curse of dimensionality". So as to overcome these limitations, different research lines were developed; first exploring the multitude of available techniques for data augmentation and simulation, followed by experimentation with different types of algorithms for classification tasks.
The results obtained from this study reveal many different techniques to be useful for the modelling, extraction, and study of morphological information. Here it has been shown in a variety of different scenarios how, especially when combined with robust statistical approaches, both geometric morphometrics and elliptic Fourier analyses are powerful tools for the description of shape and form. Throughout this research, data simulation has also proven to be a fundamental step in the workflow, providing Artificially Intelligent Algorithms such as Neural Networks and Support Vector Machines sufficient information for the identification of new specimens.
So as to promote transparency and improve reproducibility, the present doctoral thesis is also accompanied by a large collection of open-source code, datasets, and different software.
The applicability of these methodological approaches, and thus their transdisciplinary nature, has been demonstrated across multiple case studies. These include applications in archaeological and palaeontological taphonomy, palaeoanthropology, animal wellfare, and dermatology. Through this compendium of research articles, the presented methods have been able to discover a number of different features from each of these fields. These range from the ability to identify extinct carnivore taxa in archaeological sites based on their tooth marks, to the first empirical quantification of skin lesion asymmetry as a diagnostic tool in dermatological oncology. In addition, through the presentation of a new mathematical model for the description of morphology, this study has been able to provide a new, more efficient, means of extracting biomechanical information from great primate limb long bones. Each of these discoveries present promising advantages for the study of other types of morphological data as well.
The present Doctoral Thesis thus hopes to provide a new perspective on the means in which the morphology of different elements can be studied, promoting a more robust, transdisciplinary approach.
Through this, future research will focus on applying these techniques to other fields of science, while working on fine tuning this methodological workflow to obtain higher precision and accuracy.
- español
