早期部署的算法在IDX中的蚊子物种识别准确性,一个载体识别工具

科学领域:

• 昆虫学 昆虫学是一门学科.
• 计算机视觉 计算机视觉
• 公共卫生 公共卫生

背景情况:

• 蚊子传播的疾病是全球健康的重大威胁,受昆虫杀虫剂耐药性和气候变化所加剧.
• 准确的蚊子物种识别对于有效的疾病控制至关重要,但仍然具有挑战性.
• 像IDX这样的自动计算机视觉系统正在开发中,以帮助快速识别蚊子.

研究的目的:

• 评估IDX蚊子物种识别算法的部署性能.
• 在2023-2024年期间评估美国东南部 (SE US) 和巴布亚新几内亚 (PNG) 的算法准确性.
• 确定算法改进和数据集扩展的领域.

主要方法:

• 从部署的IDX设备中利用的数据在SE US和PNG.
• 分析算法性能指标,包括宏观平均回忆和置信区间.
• 在2023-2024研究期间的性能比较.

主要成果:

• 在这两个地区,IDX算法在研究期间表现出更高的准确性.
• 宏观平均召回率从西欧和美国的55.3%增加到80.2%.
• 在PNG,宏观平均召回率从84.1%增加到93.6%.

结论:

• IDX系统显示了蚊子物种识别的有希望的性能改进.
• 改进算法和包括更广泛的数据集对于提高识别准确性至关重要.
• 改进的自动识别可以减少对人类专家的依赖,并加强载体控制工作.