顕微鏡の高解像度CMOSセンサを使用して撮影された画像上のイクソード・リシヌスの発達段階を分類するためのディープラーニングアプローチ

科学分野:

• 昆虫学
• コンピュータ科学
• 公衆衛生

背景:

• ライム病菌やTBEVのような病原菌を伝達する 重要な媒介体です
• の発達段階 (幼虫,ニンフ,成虫の雌,成虫の雄) は病気の伝染に異なる役割を果たします.
• ニンフは,その有病率と小さな大きさのために特に流行学的に重要であり,正確な識別が不可欠です.

研究 の 目的:

• ティックの発達段階を分類するためのディープラーニングモデルを開発し,検証する.
• 北米に特化した既存のソリューションと違い,欧州の種の段階を自動化して識別する必要性を解決する.

主な方法:

• コンボリューションニューラルネットワーク (CNN) モデルが開発され,イクソデス・リシヌス・ティックの顕微鏡画像で訓練されました.
• 画像データはポーランドの上シレジア地域から収集された.
• 説明可能なAI (XAI) テクニックであるGrad-CAMは,モデルの意思決定プロセスを視覚化するために使用されました.

主要な成果:

• CNNモデルは,イクソデス・リシヌスの発達段階を分類する際の有効性を示しました.
• この研究は,ヨーロッパの動物群の発達段階を特定するためにCNNを初めて適用したものです.
• グラッド-CAM分析は,モデルの分類精度にとって重要な画像の特徴の洞察を提供した.

結論:

• 開発されたディープラーニングのアプローチは,イクソデス・リシヌス (Ixodes ricinus) の発達段階を特定するための新しい正確な方法を提供します.
• この技術は昆虫学の研究,公衆衛生の監視,そして媒介の病気管理に 重要な潜在的応用がある.
• このモデルは,バクテリアの段階を区別し,疫学的な評価と制御戦略を改善するための貴重なツールです.