곤충 생물다양성 연구용 다중 모달 데이터셋 MassID45 공개

주장곤충은 수백만 종에 달하며 환경 변화로 인해 심각한 개체 수 감소를 겪고 있습니다. 곤충의 다양성을 신속하게 파악하려면 DNA 바코딩과 고해상도 이미지를 결합한 자동 분류 기술 도입이 필요합니다.

주장기존 이미지 기반 분류 방식은 개별 표본 데이터에 의존하는 한계가 있습니다. 대규모 생태 조사에서는 분류되지 않은 벌크 샘플이 수집되므로 이를 처리할 새로운 데이터셋이 중요합니다.

팩트연구진은 벌크 곤충 샘플의 자동 분류기 학습을 위해 MassID45(Mixed Arthropod Sample Segmentation and Identification) 데이터셋을 발표했습니다.

팩트해당 데이터셋은 1만 7000개 이상의 표본에 분류학적 라벨을 할당했습니다. 인간 주석자가 인공지능 보조 도구를 활용해 각 절지동물 개체 주위에 분할 마스크를 생성했습니다.

팩트MassID45의 메타데이터와 벌크 이미지, 주석 및 모델은 제노도(Zenodo)에서 내려받을 수 있습니다. 원시 시퀀싱 데이터는 유럽 뉴클레오타이드 아카이브(ENA) 프로젝트 번호 PRJEB86111에서 확인 가능합니다.

팩트개별 절지동물 이미지와 DNA 바코드 서열은 생명의 바코드 데이터 시스템(BOLD) 프로젝트 ID DS-LPEPA22에서 제공합니다. 데이터셋 생성과 실험 재현을 위한 코드는 깃허브(GitHub) 저장소에 공개했습니다.

교차검증MassID45는 작은 객체 탐지와 인스턴스 분할 기술의 한계를 극복하는 데 집중합니다. 다만 실제 야생 환경의 복잡한 샘플에서 인공지능 모델이 높은 정확도를 유지할지는 추가 검증이 필요합니다.

교차검증DNA 바코딩은 높은 분류학적 해상도를 제공하지만 비용과 시간 측면에서 대규모 조사 적용에 제약이 따릅니다. 이미지 기반 자동 분류와의 결합이 이러한 한계를 보완할 수 있을지는 앞으로 지켜봐야 합니다.

주장이번 데이터셋은 생물다양성 모니터링의 속도와 정확성을 동시에 높이는 토대가 됩니다. 연구진은 향후 더 다양한 생태계 데이터를 포함해 모델의 범용성을 확장할 계획입니다.

출처본 연구는 네이처 머신 러닝(Nature - Machine Learning)의 사이언티픽 데이터(Scientific Data) 섹션에 게재되었으며, 반키(Bánki) 외(2024)의 생명 목록(Catalogue of Life)과 스토크(Stork, 2018)의 절지동물 종 수 연구를 교차 검증했습니다. 또한 바이오스캔(BIOSCAN)-1M 및 5M 데이터셋 연구를 참고했습니다.