蛇の画像分類と精度向上のための人工知能チャットボットの開発
Po-Chun Chuang1,2, Ye-In Chang1, Tein-Shun Tsai3,4
1Department of Computer Science and Engineering, National Sun Yat-sen University, Kaohsiung, Taiwan.
The American journal of tropical medicine and hygiene
|August 21, 2025
まとめ
スウィン・トランスフォーマーV2を使用した 機械学習モデルは 画像から蛇の種を正確に識別します テスト・タイム・オブジェクト・デテクション・アンド・クロッピング (TT-ODC) 方法は,ヘビの噛み管理の実際の精度を大幅に改善しました.
科学分野:
- * 人工知能
- * ヘルペトロジー
- * 医療情報学
背景:
- * 蛇の噛みによる世界的な健康への負担は大きいため,毒殺剤の有効な選択のために,蛇の種を迅速かつ正確に特定する必要があります.
- * 精密な種識別は,ヘビの噛み事件の後の適切な臨床管理を導くために不可欠です.
研究 の 目的:
- 台湾のヘビ種を,実際の画像データを使って分類するための,ディープラーニングモデル,特にSwin Transformer v2の有効性を評価する.
- 試行時のオブジェクト検出とカット (TT-ODC) という新しい事前処理技術が,複雑な外部画像データセットでのモデル性能に与える影響を評価する.
主な方法:
- スウィン トランスフォーマー v2 アーキテクチャに基づくディープラーニングモデルの開発で,ラベルのついたヘビの画像の大規模なデータセットでトランスファーラーニングを使用しています.
- * 30 573 件の画像データセットから 12 000 件の画像を用いたトレーニングと検証 LINEのチャットボットとソーシャルメディアで収集された2400枚の画像を外部テストセットで評価しました.
- 画像の品質とモデルの精度を高めるために,外部テストセットでTT-ODC前処理方法を実装し,評価する.
主要な成果:
- Swin Transformer v2モデルは,内部検証セットで95.6%の精度を達成しました.
- * 前処理なしの外部試験セットでの性能は83. 3%でした.
- * TT-ODC 前処理の適用により,外部テストセットの精度が89.8%まで向上し,ヒトの専門家性能 (90.3%) に接近しました.
結論:
- * スウィン・トランスフォーマーv2を TT-ODC 前処理法と統合することで,臨床環境でのヘビ種の識別に実用的で正確な解決策が提供されます.
- * このアプローチは,特に様々な現実世界の情報源からの画像を扱うときに,AI駆動のヘビ識別ツールの信頼性を大幅に高めます.
- * 開発されたシステムは,ヘビの咬みの管理と患者の治療の改善に役立つツールです.
