媒傳疾病（VBDs）是全球公共衛(wèi)生的重大威脅，約80%的人口面臨至少一種媒傳疾病的風(fēng)險。蚊子、蜱蟲、螺類等病媒生物攜帶病毒、細菌和寄生蟲，導(dǎo)致瘧疾、登革熱、血吸蟲病、裂谷熱等傳染病的蔓延。然而，當(dāng)前依賴人工識別病媒生物的方式既耗時又高度依賴專家經(jīng)驗，阻礙了疾病防控的效率。深度學(xué)習(xí)作為新興的人工智能技術(shù)，在病媒生物圖像識別領(lǐng)域的應(yīng)用具有巨大潛力。

近日，我所研究團隊在國際期刊《Pest Management Science》（IF=3.8/中科院1區(qū)）上發(fā)表了題為“Deep Learning in Disease Vector Image Identification”的綜述論文，揭示了深度學(xué)習(xí)技術(shù)在病媒生物識別中的應(yīng)用潛力，為未來的病媒控制技術(shù)提供了重要的參考。

深度學(xué)習(xí)具有自動特征提取能力，相比于傳統(tǒng)機器學(xué)習(xí)，無需使用大量預(yù)處理方法的情況下，能夠高效識別病媒生物圖像。深度學(xué)習(xí)技術(shù)不僅可以進行物種鑒定和目標(biāo)檢測，實現(xiàn)病媒生物的智能化快速監(jiān)測，還可以利用衛(wèi)星圖像，無人機等技術(shù)自動識別潛在的病媒孳生地，大大提高了病媒生物監(jiān)測的效率，尤其是高風(fēng)險地區(qū)。能夠為政府和公共衛(wèi)生部門提供針對性控制措施的科學(xué)依據(jù)。深度學(xué)習(xí)技術(shù)集成于智能識別系統(tǒng)可以大大減輕防控人員的監(jiān)測負擔(dān)，更廣泛的讓民眾參與其中。但該技術(shù)也面臨高質(zhì)量現(xiàn)場數(shù)據(jù)集匱乏、模型泛化能力不足、應(yīng)用場景局限等問題，需要提高現(xiàn)場數(shù)據(jù)集數(shù)量和質(zhì)量，結(jié)合元學(xué)習(xí)、度量學(xué)習(xí)等技術(shù)來應(yīng)對挑戰(zhàn)。

南京醫(yī)科大學(xué)研究生白少文、江蘇省血吸蟲病防治研究所施亮主管醫(yī)師為本文共同第一作者，楊坤研究員為本文通訊作者。全文鏈接：https://doi.org/10.1002/ps.8473