Künstliche Intelligenz identifiziert „kissing bugs“, die Ausbreitung der Chagas-Krankheit
Neue Forschung von der Universität von Kansas zeigt, machine learning ist die Identifizierung von Insekten, die Verbreitung der unheilbaren Krankheit namens Chagas-mit hoher Präzision, basierend auf normale digitale Fotos. Die Idee ist, zu geben, die öffentliche Gesundheit Beamten, wo die Chagas-weit verbreitet ist ein neues Instrument zur Eindämmung der Ausbreitung der Krankheit und schließlich zu bieten-identification-services direkt an die Allgemeine öffentlichkeit.
Chagas ist besonders böse, weil die meisten Menschen, die es nicht wissen, Sie haben infiziert worden. Aber nach Angaben der Centers for Disease Control and Prevention, etwa 20 bis 30 Prozent der 8 Millionen Menschen mit der Chagas-weltweit sind geschlagen, zu einem späteren Zeitpunkt mit Herz-Rhythmus-Anomalien können, bringen auf den plötzlichen Tod; geweitete Herz nicht Pumpe Blut effizient; oder eine geweitete Speiseröhre oder Darm.
Die Krankheit verursacht die meisten oft, wenn triatomine bugs—besser bekannt als „kissing bugs“—beißen Menschen und übertragen den Parasiten Trypanosoma cruzi in Ihre Blutbahnen. Chagas ist am weitesten verbreitet in den ländlichen Gebieten von Mexiko, Mittelamerika und Südamerika.
Eine aktuelle Vorhaben an der KU, genannt das Virtuelle Vektor-Projekt, gesucht, um zu ermöglichen, die öffentliche Gesundheit Beamten zu identifizieren triatomine tragen, dass die Chagas-mit Ihren smartphones, mit einer Art von portable photo studio für die Bilder von den bugs.
Nun, ein student an der KU aufgebaut hat, an diesem Projekt mit proof-of-concept Forschung zeigt, die künstliche Intelligenz kann erkennen, 12 Mexikanische und 39 brasilianischen Arten von küssen bugs mit hoher Genauigkeit durch die Analyse von gewöhnlichen Fotos—ein Vorteil für die Beamten auf der Suche zu schneiden, die Ausbreitung der Chagas-Krankheit.
Ali Khalighifar, ein KU-Doktorand am Biodiversity Institute and Department of Ecology and Evolutionary Biology, leitete ein team, das gerade veröffentlicht Ergebnisse in der Fachzeitschrift Journal of Medical Entomology. Zu identifizieren, kissing bugs, von normalen Fotos, Khalighfar und seine Kollegen arbeiteten mit open-source -, deep-learning-software von Google, genannt TensorFlow, die ist ähnlich der Technologie untermauern Google reverse image search.
„Weil dieses Modell ist in der Lage zu verstehen, basierend auf pixel-Töne und Farben, was ist ein Bild, es können die Informationen analysieren und es in einer Weise, die das Modell verstehen können—und dann gibst du Ihnen andere images zu testen und zu identifizieren kann Ihnen mit einem wirklich guten identification rate,“ Khalighifar sagte. „Das ist ohne preprocessing—starten Sie mit raw-Bilder, die genial ist. Das war das Ziel. Zuvor war es unmöglich, das gleiche zu tun, so genau und sicherlich nicht ohne Vorverarbeitung der Bilder.“
Khalighifar und seine Mitautoren—Ed Komp, Forscher an der KU Informations-und Telekommunikations-Technologie-Center, Janine M. Ramsey von Mexiko-Instituto Nacional de Salud Publica, Rodrigo Gurgel-Gonçalves des brasilianischen Universidade de Brasília, und A. Townsend Peterson, KU Distinguished Professor für Ökologie und Evolutionäre Biologie und senior Kurator mit dem KU Biodiversity Institute—geschult, Ihrem Algorithmus, mit 405 Bildern der mexikanischen triatomine Arten und 1,584 Bilder der brasilianischen triatomine Arten.
Auf den ersten, das team war in der Lage zu erreichen, „und 86.7 83.0 Prozent korrekte Identifizierung Tarife über alle mexikanischen und brasilianischen Arten, die jeweils eine Verbesserung gegenüber den vergleichbaren Preisen von statistischen Klassifikatoren“, schreiben Sie. Aber nach dem hinzufügen von Informationen über kissing bugs “ geografische Verteilungen in den Algorithmus, den Forscher verstärkt die Genauigkeit der Identifikation auf 95.8 Prozent für Mexikanische Arten und von 98,9 Prozent für die brasilianischen Arten.
Nach Khalighifar, die Algorithmus-basierte Technologie, die ermöglichen könnte, die Gesundheitsbehörden und andere zu identifizieren, die triatomine Arten mit noch nie dagewesener Genauigkeit, um besser zu verstehen, Krankheitsüberträger auf den Boden.
„In Zukunft hoffen wir, eine Anwendung zu entwickeln, oder eine web-Plattform dieses Modell, das ständig geschult werden, basierend auf den neuen Bildern, so dass es immer aktualisiert wird, enthält hochwertige Identifikationen an jeden interessierten Nutzer in Echtzeit“, sagte er.
Khalighifar jetzt ist die Anwendung eines ähnlichen Ansatzes mit TensorFlow für sofortige Identifizierung der Mücken auf der Grundlage der Klänge, die Ihre Flügel und Frösche, basierend auf Ihre Anrufe.
„Ich arbeite jetzt auf Moskito-Aufnahmen“, sagte er. „Ich habe verschoben, von der Bildverarbeitung zur signal-Verarbeitung von Aufnahmen des wing-beats von Mücken. Wir bekommen die Aufnahmen der Mücken mit einem normalen Handy, und dann wandeln wir Sie von Aufnahmen zu Bilder von den Signalen. Dann verwenden wir TensorFlow zu identifizieren, die Moskito-Arten. Das andere Projekt, an dem ich jetzt arbeite ist Frösche, mit Dr. Rafe Brown am Biodiversity Institute. Und wir designen das gleiche system zu identifizieren, die Arten auf der Grundlage der Anrufe von den einzelnen Spezies.“
Während oft künstliche Intelligenz wird allgemein dargestellt als ein job-das töten von Bedrohung oder sogar eine existenzielle Bedrohung für die Menschheit, Khalighifar sagte, dass seine Forschung hat gezeigt, wie die KI könnte ein Segen für die Forscher die biologische Vielfalt.
