从使用计算机视觉技术的图像中对蚊子性腺生长周期的阶段进行分类
Farhat Binte Azam1, Ryan M Carney2, Sherzod Kariev3
1Dept. of Computer Science and Engineering, University of South Florida, Tampa, FL, 33620, USA. farhatbinte@usf.edu.
Scientific reports
|December 13, 2023
概括
计算机视觉和人工智能 (AI) 模型现在可以从图像中准确地识别蚊子的淋巴发育阶段,帮助疾病监测. 这项技术使公众能够参与蚊子监测和控制工作.
科学领域:
- 昆虫学和公共卫生
- 计算机视觉和人工智能 (AI)
- 医疗载体控制控制 医疗载体控制
背景情况:
- 区分雌性蚊子的腹部状况对于控制蚊子传播疾病至关重要.
- 目前的方法需要专门的昆虫学专业知识,并且是劳动密集型的.
- 缺少蚊子性腺变性阶段的自动识别.
研究的目的:
- 开发和评估计算机视觉技术,以从图像中分类蚊子性腺变的阶段.
- 为了创建一个公开可访问的图像数据集,蚊子的性腺成长阶段.
- 将人工智能算法集成到公民科学平台中,以加强蚊子监测.
主要方法:
- 收集了1959年三种医学上重要的蚊子物种 (Aedes aegypti,Anopheles stephensi,Culex quinquefasciatus) 的图像,跨越了四个淋巴发育阶段.
- 培训并验证了四个人工智能模型架构 (ResNet50,MobileNetV2,EfficientNet-B0,ConvNeXtiny) 的使用.
- 使用t-SNE来可视化决策边界和Grad-CAM来实现模型可解释性.
主要成果:
- ResNet50实现了97.44%的准确性,而EfficientNet-B0实现了93.59%的准确性.
- EfficientNet-B0提供了性能,计算效率和模型大小的最佳平衡.
- 格拉德-CAM分析证实了人工智能模型专注于蚊子腹部进行分类.
结论:
- 通过人工智能驱动的计算机视觉可以准确地自动识别蚊子的淋巴发育阶段.
- 开发的算法可以与公民科学倡议集成,以扩大公众参与疾病载体监测.
- 这项技术补充了现有的自动化蚊子识别系统,并添加了淋巴细胞成形阶段分析.
