使用VectorBrain转变疟疾载体监测:一种新的卷积神经网络,用于蚊子物种,性别和腹部状态识别

科学领域:

• 医学昆虫学 医学昆虫学
• 人工智能的人工智能
• 公共卫生 公共卫生

背景情况:

• 疟疾仍然是一个重要的全球卫生问题,需要有效的载体监测.
• 目前手动的蚊子识别是繁的,并且对于广泛的监测是不切实际的,特别是在资源较少的环境中.
• 现有的自动化方法往往缺乏必要的现场部署能力和准确性.

研究的目的:

• 开发一种新,高效,轻量级的深度学习模型,同时识别蚊子物种,性别和腹部状况.
• 使用智能手机捕获的野生捕获标本图像创建一个全面的蚊子图像数据库.
• 验证模型的性能,以便在矢量监控程序中用于现实世界.

主要方法:

• 使用基本的智能手机摄影构建蚊子图像数据库.
• 开发了一个新的卷积神经网络 (CNN) 架构,命名为VectorBrain.
• 使用VectorBrain模型,同时对蚊子物种,性别和腹部状况进行分类.

主要成果:

• 在物种分类 (94.44±2%) 和性别分类 (97.66±1%) 中,VectorBrain 实现了高精度.
• 该模型在腹部状态分类 (82.20±3.1%) 中表现强.
• 轻量级的设计允许VectorBrain在本地移动设备上运行.

结论:

• 开发的VectorBrain模型为蚊子载体识别提供了准确有效的解决方案.
• 这种基于人工智能的方法,可以部署在移动设备上,可以显著提高疟疾载体监测.
• 该技术有可能减少对专家的依赖,并使及时的公共卫生干预成为可能.