应用翅膀干扰模式 (WIPs) 和深度学习 (DL) 来分类一些Culex. 在医学或兽医方面具有重要意义的Culicidae spp

科学领域:

• 昆虫学 昆虫学是一门学科.
• 医学昆虫学 医学昆虫学
• 生物信息学是一种生物信息学.

背景情况:

• 准确识别携带疾病的蚊子如Culex对于公共卫生至关重要.
• 传统的蚊子识别方法耗时,并且在神秘或受损的标本上可能不可靠.
• 翼干扰模式 (WIPs) 和深度学习 (DL) 已经在识别其他医学上重要的Dipteran昆虫方面取得了成功.

研究的目的:

• 评估WIPs与DL结合用于识别Culex蚊子物种的有效性.
• 探讨一种通用方法的潜力,用于调查与健康有关的Dipteran昆虫.
• 为了解决传统蚊子识别技术的局限性.

主要方法:

• 使用薄膜干扰对蚊子翅膀膜产生WIP.
• 卷积神经网络 (CNN) 用于基于WIPs的物种分类.
• 该研究的重点是Culex蚊子,扩展了以前的WIP和DL应用.

主要成果:

• 在Culex识别中达到90%以上的属级准确度和高达80%的物种级准确度.
• 证明了使用WIP和DL用于蚊子物种分类的可行性.
• 确定了与代表性不足的物种相关的挑战,需要更大的数据集.

结论:

• WIP和DL提供了一个强大的,可扩展的工具,用于增强蚊子识别.
• 这种方法有可能改善媒介性疾病监测和控制策略.
• 进一步开发需要更大的数据集和与分子条形码等补充方法的整合.