一种视觉上明显的疾病的流行病学动力学:摄像头陷和机器学习应用于常见的小毛虫尾虫中的衣

科学领域:

• 野生动物流行病学
• 兽医病理学 兽医病理学
• 保护生物学 保护生物学

背景情况:

• 野生动物中可见的疾病有助于通过摄像头捕捉监测病原体.
• 影响常见的小毛虫 (Trichosurus vulpecula) 的Rumpwear,呈现为腰部神经毛损伤,但其原因和分布尚不清楚.

研究的目的:

• 为了研究塔斯马尼亚尾虫中尾虫的流行病学.
• 为了识别影响衣发生的时空空间因素.
• 开发和应用一种自动化方法来预测衣的分布.

主要方法:

• 分析了来自3年相机捕捉网络的6908张虫图像.
• 背带服的临床症状的视觉分类.
• 卷积神经网络 (CNN) 的开发和应用,用于自动检测 rumpwear.

主要成果:

• 成年猫比年轻猫更容易表现出背部的可能性是两倍.
• 穿衣的流行是季节性的,夏季初达到高峰 (12月27.1%),秋季末达到最低 (5月3.2%).
• 一个CNN模型从38589张图像中预测了塔斯马尼亚各地的广泛的 rumpwear (18.6%的流行率).

结论:

• 轮磨损的发生可能取决于密度,并受到季节性因素或场地使用的影响.
• 自动化CNN检测可促进野生动物的大规模疾病监测.
• 需要进一步的研究,以了解 rumpwear 的宿主-病原体动态.