notícias

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Os mosquitos ocupam o primeiro lugar entre os animais que causam a morte.

De acordo com estatísticas da Organização Mundial da Saúde (OMS), cerca de 725 mil pessoas em todo o mundo morrem de doenças causadas por picadas de mosquitos todos os anos, e só a malária causará 608 mil mortes em 2022. Em comparação, outros animais mortais como cobras, cães (por transmitirem raiva), crocodilos, etc., embora também causem um número considerável de mortes, os números são muito menores em comparação com os mosquitos.

Comparação do número de pessoas mortas por vários animais a cada ano

Embora a OMS tenha feito uma declaração para eliminar completamente a malária já em 1955, em muitas áreas, a eliminação da malária tornou-se um jogo de “bater na toupeira”. Sempre que se pensa que a malária está sob controlo, rapidamente aparece sob outra forma, e até hoje ainda não está sob controlo eficaz.

Para eliminar doenças transmitidas por mosquitos como vetores, o primeiro passo é detectar e identificar diferentes tipos de mosquitos. Isto não ocorre apenas porque diferentes tipos de mosquitos transmitem doenças diferentes, mas também porque diferentes mosquitos têm diferentes características de sobrevivência.

Isso significa que se você conseguir identificar os tipos de mosquitos, poderá usar suas diferentes características para eliminá-los, como eliminar criadouros de mosquitos que vivem e se alimentam ao ar livre e usar redes mosquiteiras para mosquitos que vivem em ambientes fechados. muitas áreas. É uma medida eficaz de controle de mosquitos.

Bill Gates, o antigo homem mais rico do mundo, partilhou recentemente uma nova tecnologia para este fim – VectorCam. Ele pode identificar espécies de mosquitos, gênero, se suga sangue e põe ovos, simplesmente tirando uma foto de um mosquito por meio do aplicativo:

Na luta contra os mosquitos, finalmente vemos com clareza o nosso adversário.

Bill Gates apresenta a tecnologia em vídeo

Use visão computacional de IA para “ver” mosquitos

De acordo com funcionários da VectorCam, o sistema usa VectorBrain, uma nova rede neural convolucional usada para identificar espécies de mosquitos, gênero e status abdominal.

Sendo um modelo de IA especificamente treinado para identificar mosquitos, o VectorBrain pode identificar com precisão 6 principais mosquitos vetores, incluindo os principais vetores da malária, com mais de 90% de precisão em ambientes com recursos limitados.

VectorBrain é uma arquitetura EfficientNet multitarefa projetada para classificação de mosquitos, gerando simultaneamente espécie, gênero e status abdominal. A arquitetura consiste em um extrator de características e uma estrutura de ramificação, cada ramificação correspondendo a uma tarefa de classificação.

Em termos de identificação de mosquitos, o VectorBrain utiliza o modelo leve YOLO, que pode localizar mosquitos em tempo real e usar as coordenadas detectadas para recortar imagens que contenham apenas o próprio mosquito para melhor identificação.

Imagens ilustrando as etapas de classificação das imagens dos mosquitos. Primeiro, mostre a imagem completa do mosquito que precisa ser classificado (a). Em seguida, a imagem do mosquito é recortada de acordo com as coordenadas usando o algoritmo YOLO e uma série de transformações de imagem são realizadas para preparar a classificação (b). Por fim, é mostrada a saída do algoritmo de classificação, identificando as espécies de mosquitos na imagem (c).

Especificamente, a precisão, recall e precisão média (mAP) do modelo YOLO durante o treinamento e validação foram de 96,00%, 90,50% e 95,87%, respectivamente. A acurácia do modelo de classificação por categoria foi de 92,40±2%, a acurácia do modelo de classificação por gênero foi de 97,00±1% e a acurácia do modelo de classificação do estado abdominal foi de 83,20±3,1%.

(a) é o índice de desempenho do modelo YOLO em treinamento e verificação, (b) é o caso da detecção de mosquitos pelo modelo

Matriz de confusão e precisão para classificação por espécie, gênero e estado abdominal

No artigo fornecido pela VectorCam, o YOLOv5 que ele está usando é comparado com o modelo Faster R-CNN que é amplamente utilizado em diversas tarefas de detecção de alvos, possui melhores parâmetros, tamanho do modelo, mAP e bom desempenho.

Até um médico descalço pode começar rapidamente

Além de ser um modelo grande mais direcionado, o VectorCam também foi simplificado nas suas operações específicas, a fim de se adaptar às áreas de transmissão da malária, para que possa adaptar-se melhor à situação real nas áreas de transmissão da malária.

Especificamente, o VectorCam inclui um conjunto de dispositivos de imagem especializados e um aplicativo móvel. Os componentes de hardware incluem uma caixa de luz com lente macro 15x integrada, um design de capa de telefone e uma docking station. O hardware também inclui suportes para tubos Eppendorf e bandejas para mosquitos, bem como folhas de identificação de amostras perfuradas para melhor armazenamento desses mosquitos.

O software VectorCam é um aplicativo baseado em Android que é capaz de identificar mais de 39 tipos de mosquitos, incluindo mosquitos comuns, bem como alguns tipos específicos de mosquitos com maior probabilidade de transmitir doenças. Após a otimização do algoritmo, ele também pode ser executado em níveis mais baixos. -end telefones Android.

Interface de usuário móvel do VectorCam

O fluxo de trabalho do sistema envolve colocar os mosquitos coletados no hardware, usar um aplicativo de smartphone para capturar imagens ampliadas dos mosquitos e armazenar os mosquitos em tubos Eppendorf com etiqueta exclusiva para posterior validação molecular.

Todo o fluxo de trabalho do sistema VectorCam

As tarefas de geração de imagens e carregamento requerem apenas dois usuários: um para geração de imagens e outro para carregamento e armazenamento de mosquitos. Não é necessário muito conhecimento entomológico, e até mesmo equipes de saúde rurais podem operar o VectorCam com treinamento simples.

Além de ser fácil de operar, o VectorCam também tem a vantagem de poder exibir a distribuição regional dos mosquitos de forma mais intuitiva, permitindo que os tomadores de decisão entendam melhor a situação e julguem a área local com base nas espécies de mosquitos, gênero, condições abdominais, etc., e tomar as medidas correspondentes para lidar com elas. Promover o processo de erradicação completa da malária.

A imagem mostra como a rede “percebe” as características dos mosquitos em diferentes níveis e exibe intuitivamente suas espécies, status abdominal e distribuição por gênero.

Use a audição computacional de IA para “identificar” mosquitos

Em termos de utilização de telemóveis para detectar mosquitos, Bill Gates também apresentou outra conquista – o HumBug.

O novo sistema é um conjunto de algoritmos de aprendizado de máquina que consegue identificar espécies de mosquitos através do som do bater de suas asas, usando a assinatura acústica (som) dos arremessos de voo dos mosquitos capturados por smartphones. (Acontece que diferentes tipos de mosquitos batem as asas em velocidades diferentes devido às diferenças de tamanho individual, idade e temperatura ambiente e, portanto, emitem sons diferentes.)

Fluxo de trabalho específico do projeto HumBug

E o mais importante, o Humbug não requer o uso de dispositivos especiais para coletar mosquitos como o VectorCam, simplificando ainda mais o processo de detecção de mosquitos.

A farsa ainda está em seus estágios iniciais, mas, se for bem-sucedida, poderá levar a um monitoramento mais automatizado e contínuo.

Ao introduzir estas tecnologias, Bill Gates também expressou certas preocupações, não sobre dificuldades técnicas, mas sobre outros factores políticos e económicos:

Um dos maiores desafios que enfrentamos não é científico, mas financeiro e político.