使用基于嵌入式学习方法的图像检索系统自动识别医学重要蚊子
Veerayuth Kittichai1, Morakot Kaewthamasorn2, Yudthana Samung3
1Faculty of Medicine, King Mongkut's Institute of Technology Ladkrabang, Bangkok, Thailand.
Scientific reports
|June 30, 2023
概括
这项研究引入了一种深度学习模型,用于自动识别蚊子,改善疾病控制. 人工智能达到95%以上的准确性,为公共卫生监测的传统方法提供了更快,更容易获得的替代方案.
科学领域:
- 医学昆虫学 医学昆虫学
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 蚊子传播的疾病,如登革热和疟疾,是全球主要的健康威胁,特别是在低收入国家.
- 有效的蚊子种群控制对于预防疾病至关重要,但目前的监测方法资源密集.
- 传统的昆虫学监测依赖于手动识别,需要专业知识和大量的时间.
研究的目的:
- 利用深度度度度学习开发一种用于蚊子识别的自动查系统.
- 提高昆虫学监测的效率和可访问性,以促进公共卫生倡议.
- 在各种图像来源和条件下评估拟议的AI模型的稳定性和准确性.
主要方法:
- 实施了深度度度度学习方法,并采用了利用欧几里德距离的图像检索过程.
- 训练了一个ResNet34模型用于蚊子图像分类和识别.
- 在各种环境条件下,使用各种数据集,包括立体显微镜和手机图像,测试了模型的性能.
主要成果:
- 深度学习模型在不同图像来源中实现了高精度 (高达98%) 和灵敏度 (超过95%).
- 该模型在照明,尺度,背景和变焦等级的变化中表现出强度.
- 在ROC曲线下的面积超过0.960,表明实际和经验性表现.
结论:
- 开发的深度学习模型为蚊子识别提供了准确高效的自动化解决方案.
- 这种人工智能工具可以显著帮助公共卫生当局实时监测和控制蚊子载体.
- 该系统为传统,劳动密集型昆虫学方法提供了可扩展和可访问的替代方案.
