noticias

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Los mosquitos ocupan el primer lugar entre los animales que causan la muerte.

Según estadísticas de la Organización Mundial de la Salud (OMS), alrededor de 725.000 personas en todo el mundo mueren cada año por enfermedades causadas por picaduras de mosquitos, y sólo la malaria causará 608.000 muertes en 2022. En comparación, otros animales mortales como las serpientes, los perros (por transmitir la rabia), los cocodrilos, etc., aunque también provocan un número considerable de muertes, las cifras son mucho menores en comparación con los mosquitos.

Comparación del número de personas asesinadas por varios animales cada año

Aunque la OMS hizo una declaración para eliminar completamente la malaria ya en 1955, en muchas áreas la eliminación de la malaria se ha convertido en un juego de "golpear al topo". Cada vez que se cree que la malaria está bajo control, pronto aparece en otra forma, y ​​hasta el día de hoy todavía no está bajo control efectivo.

Para eliminar las enfermedades transmitidas por mosquitos como vectores, el primer paso es detectar e identificar diferentes tipos de mosquitos. Esto no solo se debe a que los diferentes tipos de mosquitos transmiten enfermedades diferentes, sino también a que los diferentes mosquitos tienen diferentes características de supervivencia.

Esto significa que si puedes identificar los tipos de mosquitos, puedes usar sus diferentes características para eliminarlos, como eliminar los criaderos de los mosquitos que viven y se alimentan al aire libre y usar mosquiteros para los mosquitos que viven en el interior. Esto ha sido comprobado en. En muchas zonas es una medida eficaz para el control de mosquitos.

Bill Gates, el ex hombre más rico del mundo, compartió recientemente una nueva tecnología para este propósito: VectorCam. Puede identificar especies de mosquitos, género, si chupa sangre y pone huevos simplemente tomando una foto de un mosquito a través de la aplicación:

En la lucha contra los mosquitos finalmente vemos claramente a nuestro oponente.

Bill Gates presenta la tecnología en vídeo

Utilice la visión por computadora de IA para "ver" los mosquitos

Según los funcionarios de VectorCam, el sistema utiliza VectorBrain, una nueva red neuronal convolucional utilizada para identificar especies de mosquitos, género y estado abdominal.

Como modelo de IA específicamente entrenado para identificar mosquitos, VectorBrain puede identificar con precisión seis vectores principales de mosquitos, incluidos los principales vectores de malaria, con más del 90 % de precisión en entornos con recursos limitados.

VectorBrain es una arquitectura EfficientNet multitarea diseñada para la clasificación de mosquitos, que genera simultáneamente especies, género y estado abdominal. La arquitectura consta de un extractor de características y una estructura de ramas, correspondiendo cada rama a una tarea de clasificación.

En términos de identificación de mosquitos, VectorBrain utiliza el modelo ligero YOLO, que puede localizar mosquitos en tiempo real y utilizar las coordenadas detectadas para recortar imágenes que solo contienen el mosquito para una mejor identificación.

Imágenes que ilustran las etapas de clasificación de imágenes de mosquitos. Primero, muestre la imagen completa del mosquito que debe clasificarse (a). Luego, la imagen del mosquito se recorta según las coordenadas utilizando el algoritmo YOLO y se realiza una serie de transformaciones de la imagen para prepararla para la clasificación (b). Finalmente, se muestra el resultado del algoritmo de clasificación, identificando las especies de mosquitos en la imagen (c).

Específicamente, la precisión, la recuperación y la precisión promedio (mAP) del modelo YOLO durante el entrenamiento y la validación fueron del 96,00 %, 90,50 % y 95,87 %, respectivamente. La precisión del modelo de clasificación de categorías fue del 92,40 ± 2 %, la precisión del modelo de clasificación de género fue del 97,00 ± 1 % y la precisión del modelo de clasificación del estado abdominal fue del 83,20 ± 3,1 %.

(a) es el índice de desempeño del modelo YOLO en entrenamiento y verificación, (b) es el caso de la detección de mosquitos por el modelo

Matriz de confusión y precisión para la clasificación por especie, género y estado abdominal.

En el documento proporcionado por VectorCam, el YOLOv5 que está utilizando se compara con el modelo Faster R-CNN que se usa ampliamente en diversas tareas de detección de objetivos. YOLOv5 Small tiene mejores parámetros, tamaño de modelo, mapa y buen rendimiento.

Incluso un médico descalzo puede empezar rápidamente

No solo es un modelo grande más específico, VectorCam también se ha simplificado en sus operaciones específicas para adaptarse a las áreas de transmisión de malaria, de modo que pueda adaptarse mejor a la situación real en las áreas de transmisión de malaria.

Específicamente, VectorCam incluye un conjunto de dispositivos de imágenes especializados y una aplicación móvil. Los componentes de hardware incluyen una caja de luz con una lente macro de 15x incorporada, un diseño de carcasa para teléfono y una estación de acoplamiento. El hardware también incluye soportes para tubos y bandejas para mosquitos Eppendorf, así como hojas de identificación de muestras perforadas para un mejor almacenamiento de estos mosquitos.

El software de VectorCam es una aplicación basada en Android que se dice que puede identificar más de 39 tipos de mosquitos, incluidos los mosquitos comunes y algunos tipos de mosquitos específicos que tienen más probabilidades de transmitir enfermedades. Después de la optimización del algoritmo, también puede ejecutarse en versiones inferiores. -finalizar teléfonos Android.

Interfaz de usuario móvil de VectorCam

El flujo de trabajo del sistema implica colocar los mosquitos recolectados en el hardware, usar una aplicación de teléfono inteligente para capturar imágenes ampliadas de los mosquitos y almacenar los mosquitos en tubos Eppendorf con etiquetas exclusivas para su posterior validación molecular.

Todo el flujo de trabajo del sistema VectorCam

Las tareas de toma de imágenes y carga requieren solo dos usuarios: uno para tomar imágenes y el otro para cargar y almacenar mosquitos. No se requiere mucha experiencia entomológica, e incluso los equipos de salud rurales pueden operar VectorCam con una capacitación simple.

Además de ser fácil de operar, VectorCam también tiene la ventaja de poder mostrar la distribución regional de los mosquitos de una manera más intuitiva, lo que permite a los tomadores de decisiones comprender mejor la situación y juzgar el área local según la especie de mosquito, el género, afecciones abdominales, etc., y tomar las medidas correspondientes para afrontarlas. Promover el proceso de erradicación completa de la malaria.

La imagen muestra cómo la red "percibe" las características de los mosquitos en diferentes niveles y muestra intuitivamente su especie, estado abdominal y distribución de género.

Utilice la audición por computadora con IA para "identificar" mosquitos

En cuanto al uso de teléfonos móviles para detectar mosquitos, Bill Gates también presentó otro logro: HumBug.

El nuevo sistema es un conjunto de algoritmos de aprendizaje automático que pueden identificar especies de mosquitos a través del sonido de sus alas batiendo, utilizando la firma acústica (sonido) de los movimientos de vuelo de los mosquitos capturados por teléfonos inteligentes. (Resulta que diferentes tipos de mosquitos baten sus alas a diferentes velocidades debido a diferencias en el tamaño individual, la edad y la temperatura ambiental y, por lo tanto, emiten sonidos diferentes).

Flujo de trabajo específico del proyecto HumBug

Y lo que es más importante, Humbug no requiere el uso de dispositivos especiales para recolectar mosquitos como VectorCam, lo que simplifica aún más el proceso de detección de mosquitos.

Humbug aún se encuentra en sus primeras etapas, pero si tiene éxito podría conducir a un monitoreo más automatizado y continuo.

Al introducir estas tecnologías, Bill Gates también expresó ciertas preocupaciones, no por dificultades técnicas, sino por otros factores políticos y económicos:

Uno de los mayores desafíos que enfrentamos no es científico sino financiero y político.