基于深度学习技术的湖北钉螺视觉智能识别模型的建立
目的 建立一种基于深度学习技术的日本血吸虫中间宿主湖北钉螺视觉智能识别模型,评价不同训练策略用于钉螺图像识别的效果.方法 通过现场采集和互联网抓取构建钉螺及4种相似螺类数据集2614幅,将其分为训练集和测试集.基于深度学习技术建立智能识别模型,并对模型进行训练及测试,计算模型识别钉螺的精确率、敏感性、特异性、准确率、F1值、约登指数;绘制受试者工作特征(receiver operating characteristic,ROC)曲线,分析"全新学习"、"迁移学习"、"迁移学习+数据增强"等3种不同训练策略对模型识别钉螺准确性的影响.结果 "迁移学习+数据增强"训练策略下,模型识别钉螺的精确率、敏感性、特异性、准确率、约登指数和F1值分别为90.10％、91.00％、97.50％、96.20％、88.50％、90.51％,均高于"全新学习"、"迁移学习"策略;"全新学习"、"迁移学习"、"迁移学习+数据增强"训练策略下,模型识别钉螺的敏感性、特异性和准确率差异均有统计学意义(P均＜ 0.001)."迁移学习+数据增强"训练策略下,模型ROC曲线下面积最大(0.94).结论 首次建立了基于深度学习技术的湖北钉螺视觉智能识别模型,钉螺图像识别准确性较高."迁移学习+数据增强"训练策略有助于提高模型识别钉螺的准确性.
湖北钉螺;深度学习;智能识别;计算机视觉;机器学习;人工智能
33
R383.24(医学寄生虫学)
国家自然科学基金;国家国际科技合作专项基金;江苏省省属公益院所能力提升项目;江苏省卫生健康委科研项目;江南大学公共卫生研究中心项目;江南大学公共卫生研究中心项目
2021-12-27（万方平台首次上网日期，不代表论文的发表时间）
共7页
445-451
