使用计算机视觉预测动物病源的细度空间分布
Nathan C Layman1,2, Andrew J Basinski2, Boyu Zhang2
1EcoHealth Alliance, New York, New York, USA.
Ecology letters
|September 22, 2023
概括
这项研究引入了一种新的方法,使用空中图像和人工智能来预测疾病储存物种的空间分布. 这有助于理解和减轻细微规模的动物传播疾病溢出风险.
科学领域:
- 生态生态学 生态生态学
- 流行病学 流行病学
- 机器学习 机器学习
背景情况:
- 动物传播疾病对全球健康构成威胁,通常与人为引起的环境变化有关.
- 在精细的空间尺度上预测疾病溢出风险具有挑战性,但对干预至关重要.
研究的目的:
- 开发一种方法,从空中图像学习水库物种分布.
- 将环境特征与水库发生联系起来,以改善溢出风险评估.
主要方法:
- 利用神经网络从空中图像中提取相关特征.
- 使用增强的回归树将空间特征与水库存在/不存在数据联系起来.
- 将框架应用于塞拉利昂和几内亚的拉萨病毒库Mastomys natalensis.
主要成果:
- 该框架成功地学习了环境特征和水库发生之间的关系.
- 根据空中图像和捕捞数据的存在概率,精确排列区域.
- 证明了该方法用于预测疾病储库分布的实用性.
结论:
- 开发的方法提供了一个强大的工具,用于精细地预测动物传染病储存物种.
- 将航空图像与机器学习集成,提高了我们评估和管理溢出风险的能力.
- 这种方法可以为受影响地区的有针对性的疾病干预策略提供信息.
