Dec, 2023

利用神经突触分析自动检测埃及伊蚊中的寨卡病毒和登革热

PDF
TL;DR本研究提出了一种基于人工智能的方法来对埃及伊蚊的神经尖峰进行分类，通过归一化、特征重要性和降维等预处理方法，结合卷积神经网络和额外的梯度提升树算法 (XGBoost) 来分类，该方法表现出优秀的性能，并在区分感染与未感染蚊子样本方面优于其他机器学习算法的性能，可以协助破解病原体和蚊子之间复杂的相互作用。
mosquito-borne diseasesaedes aegypti mosquitoesneural spikesclassification methodartificial intelligence
发现论文，激发创造
  • 蚊子价值 16x16 个幼虫：深度学习架构在蚊子幼虫分类中的应用评价

    本研究介绍了视觉变换器在 Aedes 和 Culex 幼虫图像分类中的应用，并比较了两个 ViT 模型、两个 CNN 模型的效果，最终发现 ConvNeXT 对于蚊虫幼虫分类非常有效，未来的研究方向包括将 CNN 和 Transformer 架构相结合创建专门用于蚊虫幼虫分类的模型。

    Sep, 2022

  • 使用神经网络进行埃及伊蚊卵计数的目标检测

    本研究提出了一个新的数据集，其中包括野外和实验室的蚊子卵以及三个应用于该任务的神经网络（Faster R-CNN，Side-Aware Boundary Localization 和 FoveaBox）的测试结果，用于自动化计数蚊子卵的任务。

    Mar, 2024

  • 利用智能手机应用和残余卷积神经网络识别埃及伊蚊声音

    本文提出智能手机应用程序是便宜易部署的解决方案，用于提高人们对埃及伊蚊大量繁殖的认识，并提出了一个可用于检测和跟踪 Ae. aegypti 蚊子的卷积神经网络算法，并提供了一个基于翅拍声音记录的数据集。

    Jun, 2023

  • MosquIoT: 一种基于物联网和机器学习的 Aedes aegypti（双翅目：蚊科）监测系统

    设计、开发和测试了一种名为 MosquIoT 的创新系统，该系统基于传统的卵捕器，嵌入了物联网和微型机器学习技术，能够检测和量化埃及伊蚊的卵，并帮助实现从当前的反应性昆虫学监测模式到主动性和预测性数字模式的转变。

    Jan, 2024

  • YOLOv7 用于蚊虫繁殖地检测和跟踪

    应对气候变化带来的威胁，利用遥感技术和 YOLOv7 识别昆虫繁殖地点，对防止登革热等热带病的传播具有潜在的全球影响力。

    Oct, 2023

  • 基于卷积神经网络的伊蚊物种识别 Android 应用 mAedesID

    这篇论文介绍了一款名为 mAedesID 的基于深度学习卷积神经网络的 Android 应用，用于识别传播登革热的病媒蚊 Aedes 种类，旨在帮助社区更好地控制蚊虫数量并减少病媒传播可能性。

    May, 2023

  • 蚊融：使用深度学习进行蚊虫、蚊群和孳生地的实时检测的多类别数据集

    本文介绍了一种综合方法，利用 MosquitoFusion 多类别数据集和先进的计算机视觉技术实现实时蚊虫检测，并通过预训练的 YOLOv8 模型和地理信息系统 (GIS) 的集成分析，提供了有关空间模式的宝贵见解。

    Apr, 2024

  • 基于机器学习和深度学习技术的自动化基于网络的疟疾检测系统

    我们使用传统的 CNN 和迁移学习模型（VGG19、InceptionV3 和 Xception）来构建深度学习技术，用于疟疾感染细胞分类。测试结果显示，深度 CNN 具有最高的准确度（97%），其次是 Xception（95%）。用户可以通过网页界面上传血涂片图像进行疟疾检测。

    Jun, 2024

  • 田间捕蚊器中蚊卵的自动计数和分类

    这篇论文介绍了一种自动陷阱调查方法，通过设计的装置对蛾子产卵地进行自动扫描，然后利用 Mask-RCNN 神经网络对图像进行分割和分类来分析鸟蛋是否孵化。

    May, 2024

  • 新加坡登革热预测的机器学习模型

    通过使用传统的状态空间模型、监督学习技术和深度网络，结合气象数据和搜索引擎趋势作为特征，本研究对新加坡每周登革热病例进行了预测，发现使用卷积神经网络能够以最低的 RMSE 预测 2019 年的每周病例。

    Jun, 2024