Key points are not available for this paper at this time.
초록 모기 매개 질병은 주요 글로벌 건강 위협입니다. 전통적인 형태학적 또는 분자적 방법으로 모기 종을 식별하는 것은 종종 전문적인 전문 지식이나 비싼 실험실 장비를 필요로 합니다. 이미지를 기반으로 모기 종을 식별하기 위해 컨볼루션 신경망(CNN)을 사용하는 것이 유망한 대안을 제공할 수 있지만, 그 실제 구현은 종종 제한적입니다. 이 연구는 모기 종 분류에 대한 CNN의 적용 가능성을 탐구합니다. 스마트폰, 스마트폰에 부착된 매크로 렌즈 및 전문 스테레오 현미경의 세 가지 이미지 수집 방법에서 신체 및 날개 묘사의 효과를 비교합니다. 이 연구에는 형태학적으로 유사한 네 가지 Aedes 종인 Aedes aegypti, Ae. albopictus, Ae. koreicus 및 Ae. japonicus japonicus의 796개의 표본이 포함되었습니다. 이 연구의 결과는 CNN 모델이 신체 기반 분류 78.9%(95% CI: 77.7–80.0)에 비해 날개 기반 분류에서 87.6%(95% CI: 84.2–91.0)의 우수한 성능을 보여준다는 것을 나타냅니다. 그럼에도 불구하고 CNN에는 눈에 띄는 제한 사항이 있으며, 특정 장치에 대해 훈련된 경우에만 여러 장치에서 신뢰할 수 있는 성능을 발휘하여 평균 정확도가 14% 감소합니다. 또한, 우리는 효과적인 분류를 위한 필요한 훈련 데이터 양을 추정하며, 신체 기반 방법에 비해 날개 기반 분류에 대한 요구가 줄어듦을 언급합니다. 우리의 연구는 모기 종 식별을 위한 신체 및 날개 분류 방법의 실행 가능성을 강조하면서 접근 가능한 분류 시스템 개발의 실제 제약을 해결할 필요성을 강조합니다. 그래픽 초록
Nolte et al. (Mon,)이 이 질문을 연구했습니다.