nouvelles

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Les moustiques occupent la première place parmi les animaux mortels.

Selon les statistiques de l’Organisation mondiale de la santé (OMS), environ 725 000 personnes dans le monde meurent chaque année de maladies causées par des piqûres de moustiques, et le paludisme à lui seul provoquera 608 000 décès en 2022. En comparaison, d'autres animaux mortels tels que les serpents, les chiens (en transmettant la rage), les crocodiles, etc., bien qu'ils causent également un nombre considérable de morts, sont bien inférieurs à ceux des moustiques.

Comparaison du nombre de personnes tuées par divers animaux chaque année

Bien que l'OMS ait déclaré dès 1955 son intention d'éliminer complètement le paludisme, dans de nombreuses régions, l'élimination du paludisme est devenue un jeu de hasard. Chaque fois que l’on croit que le paludisme est maîtrisé, il apparaît rapidement sous une autre forme et, à ce jour, il n’est toujours pas maîtrisé efficacement.

Pour éliminer les maladies transmises par les moustiques en tant que vecteurs, la première étape consiste à détecter et identifier différents types de moustiques, non seulement parce que différents types de moustiques sont porteurs de maladies différentes, mais aussi parce que différents moustiques ont des caractéristiques de survie différentes.

Cela signifie que si vous pouvez identifier les types de moustiques, vous pouvez utiliser leurs différentes caractéristiques pour éliminer les moustiques, par exemple en éliminant les sites de reproduction des moustiques qui vivent et se nourrissent à l'extérieur et en utilisant des moustiquaires pour les moustiques qui vivent à l'intérieur. de nombreuses régions. C’est une mesure efficace de lutte contre les moustiques.

Bill Gates, l'ancien homme le plus riche du monde, a récemment partagé une nouvelle technologie à cet effet : VectorCam. Il peut identifier les espèces de moustiques, leur sexe, s'ils sucent du sang et pondent des œufs en prenant simplement une photo d'un moustique via l'application :

Dans la lutte contre les moustiques, on voit enfin clairement notre adversaire.

Bill Gates présente la technologie en vidéo

Utilisez la vision par ordinateur de l’IA pour « voir » les moustiques

Selon les responsables de VectorCam, le système utilise VectorBrain, un nouveau réseau neuronal convolutif utilisé pour identifier les espèces de moustiques, leur sexe et leur statut abdominal.

En tant que modèle d'IA spécialement formé pour identifier les moustiques, VectorBrain peut identifier avec précision 6 principaux vecteurs de moustiques, y compris les principaux vecteurs du paludisme, avec une précision de plus de 90 % dans des environnements aux ressources limitées.

VectorBrain est une architecture EfficientNet multitâche conçue pour la classification des moustiques, produisant simultanément l'espèce, le sexe et l'état abdominal. L'architecture est constituée d'un extracteur de fonctionnalités et d'une structure de branches, chaque branche correspondant à une tâche de classification.

En termes d'identification des moustiques, VectorBrain utilise le modèle léger YOLO, qui peut localiser les moustiques en temps réel et utiliser les coordonnées détectées pour recadrer les images contenant uniquement le moustique lui-même pour une meilleure identification.

Images illustrant les étapes de classification des images de moustiques. Tout d’abord, montrez l’image complète du moustique qui doit être classée (a). Ensuite, l’image du moustique est recadrée en fonction des coordonnées à l’aide de l’algorithme YOLO, et une série de transformations d’image est effectuée pour préparer la classification (b). Enfin, le résultat de l'algorithme de classification est affiché, identifiant les espèces de moustiques dans l'image (c).

Plus précisément, la précision, le rappel et la précision moyenne (mAP) du modèle YOLO pendant la formation et la validation étaient respectivement de 96,00 %, 90,50 % et 95,87 %. La précision du modèle de classification par catégorie était de 92,40 ± 2 %, la précision du modèle de classification par sexe était de 97,00 ± 1 % et la précision du modèle de classification de l'état abdominal était de 83,20 ± 3,1 %.

(a) est l'indice de performance du modèle YOLO en entraînement et vérification, (b) est le cas de la détection des moustiques par le modèle

Matrice de confusion et précision pour la classification par espèce, sexe et statut abdominal

Dans l'article fourni par VectorCam, le YOLOv5 qu'il utilise est comparé au modèle Faster R-CNN qui est largement utilisé dans diverses tâches de détection de cibles. YOLOv5 Small a de meilleurs paramètres, une meilleure taille de modèle, un mAP et une bonne durée d'exécution.

Même un médecin aux pieds nus peut se lancer rapidement

Non seulement il s'agit d'un grand modèle plus ciblé, mais VectorCam a également été simplifié dans ses opérations spécifiques afin de s'adapter aux zones de transmission du paludisme, afin de mieux s'adapter à la situation réelle dans les zones de transmission du paludisme.

Plus précisément, VectorCam comprend une suite d'appareils d'imagerie spécialisés et une application mobile. Les composants matériels comprennent une boîte lumineuse avec un objectif macro 15x intégré, un boîtier de téléphone et une station d'accueil. Le matériel comprend également des supports de tubes Eppendorf et des plateaux à moustiques ainsi que des feuilles d'identification d'échantillons perforées pour un meilleur stockage de ces moustiques.

Le logiciel de VectorCam est une application basée sur Android qui serait capable d'identifier plus de 39 types de moustiques, y compris les moustiques communs ainsi que certains types de moustiques spécifiques qui sont plus susceptibles de transmettre des maladies, après optimisation de l'algorithme, il peut également fonctionner à des niveaux inférieurs. -fin des téléphones Android.

L'interface utilisateur mobile de VectorCam

Le flux de travail du système consiste à placer les moustiques collectés dans le matériel, à utiliser une application pour smartphone pour capturer des images agrandies des moustiques et à stocker les moustiques dans des tubes Eppendorf étiquetés de manière unique pour une validation moléculaire ultérieure.

L'ensemble du flux de travail du système VectorCam

Les tâches d'imagerie et de chargement ne nécessitent que deux utilisateurs : un pour l'imagerie et l'autre pour le chargement et le stockage des moustiques. Aucune expertise entomologique n'est requise, et même les équipes de santé rurales peuvent utiliser VectorCam avec une simple formation.

En plus d'être simple à utiliser, VectorCam a également l'avantage de pouvoir afficher la répartition régionale des moustiques de manière plus intuitive, permettant aux décideurs de mieux comprendre la situation et de juger la zone locale en fonction de l'espèce de moustique, du sexe, maladies abdominales, etc., et prendre les mesures correspondantes pour y faire face. Promouvoir le processus d'éradication complète du paludisme.

L'image montre comment le réseau « perçoit » les caractéristiques des moustiques à différents niveaux et affiche intuitivement leurs espèces, leur statut abdominal et leur répartition par sexe.

Utilisez l’audition informatique de l’IA pour « identifier » les moustiques

En ce qui concerne l'utilisation des téléphones portables pour détecter les moustiques, Bill Gates a également présenté une autre réussite : HumBug.

Le nouveau système est un ensemble d’algorithmes d’apprentissage automatique capables d’identifier les espèces de moustiques grâce au bruit de leurs battements d’ailes, en utilisant la signature acoustique (son) des lancements de vol des moustiques capturés par les smartphones. (Il s’avère que différents types de moustiques battent des ailes à des vitesses différentes en raison des différences de taille individuelle, d’âge et de température ambiante, et émettent donc des sons différents.)

Flux de travail spécifique au projet HumBug

Et plus important encore, Humbug ne nécessite pas l’utilisation d’appareils spéciaux pour collecter les moustiques comme VectorCam, ce qui simplifie encore le processus de détection des moustiques.

Humbug en est encore à ses débuts, mais en cas de succès, il pourrait conduire à une surveillance plus automatisée et continue.

Lors de l’introduction de ces technologies, Bill Gates a également exprimé certaines inquiétudes, non pas sur des difficultés techniques, mais sur d’autres facteurs politiques et économiques :

L’un des plus grands défis auxquels nous sommes confrontés n’est pas scientifique mais financier et politique.