notizia

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Le zanzare sono al primo posto tra gli animali che causano la morte.

Secondo le statistiche dell’Organizzazione Mondiale della Sanità (OMS), ogni anno nel mondo muoiono circa 725.000 persone a causa di malattie causate dalle punture di zanzara e la sola malaria causerà 608.000 morti nel 2022. In confronto ad altri animali mortali come serpenti, cani (che trasmettono la rabbia), coccodrilli, ecc., sebbene anch'essi causino un numero considerevole di morti, i numeri sono molto inferiori rispetto alle zanzare.

Confronto del numero di persone uccise da vari animali ogni anno

Sebbene l'OMS abbia dichiarato di eliminare completamente la malaria già nel 1955, in molte aree l'eliminazione della malaria è diventata un gioco "colpisci la talpa". Ogni volta che si pensa che la malaria sia sotto controllo, presto appare in un'altra forma, e fino ad oggi non è ancora sotto controllo efficace.

Per eliminare le malattie trasmesse dalle zanzare come vettori, il primo passo è rilevare e identificare diversi tipi di zanzare. Questo non solo perché diversi tipi di zanzare portano malattie diverse, ma anche perché diverse zanzare hanno caratteristiche di sopravvivenza diverse.

Ciò significa che se riesci a identificare i tipi di zanzare, puoi sfruttare le loro diverse caratteristiche per eliminarle, ad esempio eliminando i siti di riproduzione per le zanzare che vivono e si nutrono all'aperto e utilizzando zanzariere per le zanzare che vivono in ambienti chiusi. Ciò è stato dimostrato molte aree È una misura efficace di controllo delle zanzare.

Bill Gates, l'ex uomo più ricco del mondo, ha recentemente condiviso una nuova tecnologia per questo scopo: VectorCam. Può identificare la specie di zanzara, il sesso, se succhia sangue e depone le uova semplicemente scattando una foto di una zanzara tramite l'app:

Nella lotta contro le zanzare finalmente vediamo chiaramente il nostro avversario.

Bill Gates presenta la tecnologia in video

Usa la visione artificiale dell’intelligenza artificiale per “vedere” le zanzare

Secondo i funzionari di VectorCam, il sistema utilizza VectorBrain, una nuova rete neurale convoluzionale utilizzata per identificare specie di zanzare, sesso e stato addominale.

Essendo un modello di intelligenza artificiale appositamente addestrato per identificare le zanzare, VectorBrain può identificare con precisione 6 principali vettori di zanzare, inclusi i principali vettori della malaria, con una precisione superiore al 90% in ambienti con risorse limitate.

VectorBrain è un'architettura EfficientNet multi-task progettata per la classificazione delle zanzare, fornendo contemporaneamente specie, sesso e stato addominale. L'architettura è costituita da un estrattore di caratteristiche e da una struttura di rami, ciascun ramo corrisponde a un'attività di classificazione.

In termini di identificazione delle zanzare, VectorBrain utilizza il modello leggero YOLO, che può localizzare le zanzare in tempo reale e utilizzare le coordinate rilevate per ritagliare immagini che contengono solo la zanzara stessa per una migliore identificazione.

Immagini che illustrano le fasi di classificazione delle immagini delle zanzare. Innanzitutto, mostra l'immagine completa della zanzara che deve essere classificata (a). Quindi, l'immagine della zanzara viene ritagliata in base alle coordinate utilizzando l'algoritmo YOLO e vengono eseguite una serie di trasformazioni dell'immagine per prepararsi alla classificazione (b). Infine, viene mostrato l'output dell'algoritmo di classificazione, identificando la specie di zanzara nell'immagine (c).

Nello specifico, la precisione, il richiamo e la precisione media (mAP) del modello YOLO durante l'addestramento e la validazione erano rispettivamente del 96,00%, 90,50% e 95,87%. L'accuratezza del modello di classificazione delle categorie è stata del 92,40±2%, l'accuratezza del modello di classificazione del genere è stata del 97,00±1% e l'accuratezza del modello di classificazione dello stato addominale è stata dell'83,20±3,1%.

(a) è l'indice di prestazione del modello YOLO in formazione e verifica, (b) è il caso di rilevamento delle zanzare da parte del modello

Matrice di confusione e accuratezza per la classificazione per specie, sesso e stato addominale

Nel documento fornito da VectorCam, YOLOv5 utilizzato viene confrontato con il modello R-CNN più veloce ampiamente utilizzato in varie attività di rilevamento dei target. YOLOv5 Small ha parametri, dimensioni del modello, mAP e buone prestazioni migliori.

Anche un medico scalzo può iniziare rapidamente

Non solo si tratta di un modello di grandi dimensioni più mirato, ma VectorCam è stato anche semplificato nelle sue operazioni specifiche per adattarsi alle aree di trasmissione della malaria, in modo che possa adattarsi meglio alla situazione reale nelle aree di trasmissione della malaria.

Nello specifico, VectorCam include una suite di dispositivi di imaging specializzati e un'app mobile. I componenti hardware includono una scatola luminosa con obiettivo macro 15x integrato, un design della custodia del telefono e una docking station. L'hardware comprende anche supporti per provette Eppendorf e vassoi per zanzare, nonché fogli identificativi perforati per i campioni per una migliore conservazione di queste zanzare.

Il software di VectorCam è un'applicazione basata su Android che si dice sia in grado di identificare più di 39 tipi di zanzare, comprese le zanzare comuni e alcuni tipi specifici di zanzare che hanno maggiori probabilità di trasportare malattie. Dopo l'ottimizzazione dell'algoritmo, può anche essere eseguito su livelli inferiori -end telefoni Android.

L'interfaccia utente mobile di VectorCam

Il flusso di lavoro del sistema prevede il posizionamento delle zanzare raccolte nell'hardware, l'utilizzo di un'app per smartphone per acquisire immagini ingrandite delle zanzare e la conservazione delle zanzare in provette Eppendorf etichettate in modo univoco per la successiva convalida molecolare.

L'intero flusso di lavoro del sistema VectorCam

Le attività di imaging e caricamento richiedono solo due utenti: uno per l'imaging e l'altro per il caricamento e la conservazione delle zanzare. Non è richiesta molta esperienza entomologica e anche i team sanitari rurali possono utilizzare VectorCam con una formazione semplice.

Oltre ad essere facile da usare, VectorCam ha anche il vantaggio di poter visualizzare la distribuzione regionale delle zanzare in modo più intuitivo, consentendo ai decisori di comprendere meglio la situazione e giudicare l'area locale in base alla specie di zanzara, al sesso, condizioni addominali, ecc., e adottare misure corrispondenti per affrontarle. Promuovere il processo di completa eradicazione della malaria.

L'immagine mostra come la rete "percepisce" le caratteristiche delle zanzare a diversi livelli e ne visualizza intuitivamente la specie, lo stato addominale e la distribuzione per genere.

Usa l'udito computerizzato dell'intelligenza artificiale per "identificare" le zanzare

In termini di utilizzo dei telefoni cellulari per rilevare le zanzare, Bill Gates ha introdotto anche un altro risultato: HumBug.

Il nuovo sistema è un insieme di algoritmi di apprendimento automatico in grado di identificare le specie di zanzare attraverso il suono del battito delle loro ali, utilizzando la firma acustica (suono) dei passi di volo delle zanzare catturati dagli smartphone. (Si scopre che diversi tipi di zanzare sbattono le ali a velocità diverse a causa delle differenze di dimensioni individuali, età e temperatura ambientale, e quindi hanno suoni diversi.)

Flusso di lavoro specifico del progetto HumBug

E, cosa ancora più importante, Humbug non richiede l'uso di dispositivi speciali per la raccolta delle zanzare come VectorCam, semplificando ulteriormente il processo di rilevamento delle zanzare.

Humbug è ancora nelle sue fasi iniziali, ma in caso di successo potrebbe portare a un monitoraggio più automatizzato e continuo.

Nell’introdurre queste tecnologie, Bill Gates espresse anche alcune preoccupazioni, non riguardo alle difficoltà tecniche, ma riguardo ad altri fattori politici ed economici:

Una delle sfide più grandi che dobbiamo affrontare non è scientifica ma finanziaria e politica.