Малярия человека – это продолжающийся кризис общественного здравоохранения, затрагивающий несколько континентов, при этом наибольшее количество случаев заболевания и людей из группы риска приходится на страны Африки к югу от Сахары. Однако идентификация комаров, являющихся переносчиками малярии, может быть затруднена – некоторые виды почти не различимы даже для подготовленных систематиков.
В новой работе Жаннель Курет из Университета Род-Айленда, США, и ее коллеги применили свернутую нейронную сеть (CNN) к библиотеке из 1709 двумерных изображений взрослых комаров. Комары были собраны в 16 колониях в пяти географических регионах и включали один вид, который трудно идентифицировать квалифицированным медицинским энтомологам.
Они также включали комаров, которые хранились двумя разными способами – путем мгновенной заморозки или в виде высушенных образцов.
Используя библиотеку идентифицированных видов, исследователи обучили CNN отличать Anopheles от других родов комаров, определять виды и пол в пределах Anopheles, а также идентифицировать два штамма внутри одного вида.
Они нашли 99.96% точность прогноза для класса и 98%.48% точность для секса.
«Эти результаты демонстрируют, что классификация изображений с помощью глубокого обучения может быть полезным методом идентификации малярийных комаров даже среди видов с загадочными морфологическими вариациями», – говорят исследователи. "Разработка независимого и точного метода определения видов потенциально может улучшить практику наблюдения за комарами."