Billig billedbehandlingssystem klar til at give automatisk myggesporing

Myg-overførte sygdomme som malaria, dengue og gul feber er ansvarlige for hundredtusindvis af dødsfald hvert år, ifølge Verdenssundhedsorganisationen (WHO). Et nyt billigt billeddannelsessystem kan gøre det lettere at spore myggearter, der bærer sygdomme, muliggør en mere rettidig og målrettet reaktion.

"Et fjernsystem som vores kan dramatisk reducere den nødvendige arbejdskraft til at overvåge myg i et givet område, dermed i høj grad øge evnen til at udføre mere overvågning, " sagde forskerholdsleder Adam Goodwin fra Johns Hopkins University. "Hvis du kan give flere myggedata, så vil du hurtigere fange udbrud og redde flere liv."

I tidsskriftet The Optical Society (OSA). Biomedicinsk Optik Express , Goodwin og kollegers papir er en del af en feature-udgave om optiske teknologier til forbedring af sundhedspleje i lav-ressource indstillinger. I avisen, de beskriver det nye system, som er designet til at transmittere billeder inde fra en myggefælde, der er detaljerede nok til, at entomologer kan skelne myggevingemønstre og farven på skæl, træk, der indikerer, om en myg er en art, der bærer sygdom. Disse oplysninger kan bruges til at planlægge interventioner, der virker bedst mod den pågældende art.

"Det nye system er en klassisk applikation af en internet of things (IoT) enhed, " sagde Goodwin. "Det kunne i sidste ende parres med computervisionsalgoritmer for automatisk at bestemme arter og give den information til offentlige sundhedssystemer."

Udvikling af en fjernbilledfælde

I de mange områder af verden, hvor mygoverført sygdom er problematisk, Forståelse af hvilke myggearter der er til stede i hvilket antal kræver konstant at fange myg flere steder. En arbejder skal derefter køre rundt i et amt eller en region for at aflevere og hente hundredvis af fælder om ugen og bringe prøverne tilbage til laboratoriet for at blive identificeret under et mikroskop.

"Vores nye optiske system kan placeres inde i en traditionel myggefælde for at give fjernovervågning af overfloden, mangfoldighed og udbredelse af myggearter, " sagde Goodwin. "Brug af billedbehandling er særligt tiltalende, fordi så længe billedkvaliteten er høj, flere myg kunne identificeres fra et billede på én gang."

Når systemet skal designes, forskerne fokuserede på evnen til nøjagtigt at identificere Aedes aegypti-myg, som kan sprede Zika, dengue, chikungunya og gul feber. Denne invasive art er hjemmehørende i Afrika, men har etableret sig i mange dele af verden, inklusive Nordamerika, Europa og Asien. De siger, at samme tilgang kunne anvendes på andre insekter, så længe der er en måde at fange og pålideligt afbilde det på.

Brug af optik og kamerasensorer, der er let kommercielt tilgængelige, forskerne optimerede deres optiske opsætning for at opnå en opløsning, der balancerede behovet for at afbilde mange myg på én gang med evnen til at se nok detaljer til at identificere myggearten.

"Vores nye system ville være særligt nyttigt til at overvåge Aedes aegypti i svært tilgængelige områder og ved kommercielle indsejlingshavne, hvor invasive arter kan bringes fra andre lande, " sagde Goodwin. "Det kunne også udvide nuværende overvågningsoperationer for regioner, der allerede overvåger lokale populationer af Aedes aegypti."

I de fleste tilfælde, offentlige sundhedssystemer behøver kun at afgøre, om der er ændringer i antallet eller typen af ​​myg fra dag til dag eller time til time, ikke minut til minut. Det betyder, at en kamerasensor højst skal være tændt et par gange om dagen. Dette ville holde strømforbruget inden for det område, der er muligt for en internetforbundet enhed.

Test af systemet

For at teste det nye system, forskerne sammenlignede entomologers evne til at klassificere prøver fra et digitalt mikroskopibillede og billeder fra fjernbilleddannelsessystemet. Der var ikke en signifikant forskel i deres muligheder mellem billedtyperne. Selvom entomologerne ikke klarede sig godt med artsklassificering for hverken mikroskopibillederne eller fjernsystembillederne, de klarede sig meget godt på slægtsklassificering.

"Entomologer er ikke vant til at identificere prøver fra et billede, fordi de normalt har prøven personligt og manipulerer den med en pincet under et mikroskop, sagde Goodwin. nyligt arbejde, der bruger foldede neurale netværk til at klassificere myg fra et billede, viser lovende."

Forskerne planlægger at fortsætte med at optimere fjernfælden og planlægger at integrere computervisionsalgoritmer samt internetforbindelse i systemet. "Dette ville gøre det muligt at sende artsoplysninger direkte til det offentlige sundhedssystem til beslutningstagning, " sagde Goodwin. "Det er her, vi tror, ​​at systemet virkelig vil skinne."