深度學習技術(shù)在病媒生物圖像識別中的應(yīng)用
媒傳疾病（VBDs）是全球公共衛(wèi)生的重大威脅，約80%的人口面臨至少一種媒傳疾病的風險。蚊子、蜱蟲、螺類等病媒生物攜帶病毒、細菌和寄生蟲，導致瘧疾、登革熱、血吸蟲病、裂谷熱等傳染病的蔓延。然而，當前依賴人工識別病媒生物的方式既耗時又高度依賴專家經(jīng)驗，阻礙了疾病防控的效率。深度學習作為新興的人工智能技術(shù)，在病媒生物圖像識別領(lǐng)域的應(yīng)用具有巨大潛力。
近日，我所研究團隊在國際期刊《Pest Management Science》（IF=3.8/中科院1區(qū)）上發(fā)表了題為“Deep Learning in Disease Vector Image Identification”的綜述論文，揭示了深度學習技術(shù)在病媒生物識別中的應(yīng)用潛力，為未來的病媒控制技術(shù)提供了重要的參考。
深度學習具有自動特征提取能力，相比于傳統(tǒng)機器學習，無需使用大量預(yù)處理方法的情況下，能夠高效識別病媒生物圖像。深度學習技術(shù)不僅可以進行物種鑒定和目標檢測，實現(xiàn)病媒生物的智能化快速監(jiān)測，還可以利用衛(wèi)星圖像，無人機等技術(shù)自動識別潛在的病媒孳生地，大大提高了病媒生物監(jiān)測的效率，尤其是高風險地區(qū)。能夠為政府和公共衛(wèi)生部門提供針對性控制措施的科學依據(jù)。深度學習技術(shù)集成于智能識別系統(tǒng)可以大大減輕防控人員的監(jiān)測負擔，更廣泛的讓民眾參與其中。但該技術(shù)也面臨高質(zhì)量現(xiàn)場數(shù)據(jù)集匱乏、模型泛化能力不足、應(yīng)用場景局限等問題，需要提高現(xiàn)場數(shù)據(jù)集數(shù)量和質(zhì)量，結(jié)合元學習、度量學習等技術(shù)來應(yīng)對挑戰(zhàn)。
南京醫(yī)科大學研究生白少文、江蘇省血吸蟲病防治研究所施亮主管醫(yī)師為本文共同第一作者，楊坤研究員為本文通訊作者。全文鏈接：https://doi.org/10.1002/ps.8473
最近新聞
-
2025.10.29
-
2025.10.29
-
2025.10.28
-
2025.10.28
-
2025.09.03
-
2025.09.03
-
2025.09.01
-
2025.09.01
-
2025.08.18
-
2025.07.22
