在疟疾等蚊媒传染病防治工作中，快速且准确地识别传播疟原虫的蚊子至关重要。近期，美国罗德岛大学的一组研究人员提出，使用人工智能卷积神经网络，可以从性别、种类等角度对蚊子进行有效分类。

作为一种感染疟原虫而引起的虫媒传染病，疟疾广泛影响着全球多个地区，其中撒哈拉以南的非洲最为严重。按蚊（又称疟蚊）是传播疟疾的唯一媒介，我国较重要的传疟媒介有中华按蚊、嗜人按蚊、微小按蚊和大劣按蚊4种。要从众多蚊子当中，准确鉴别出这些传播疟疾的蚊子并非易事，有些品种连训练有素的分类专家都难以区分。

图1：斯氏按蚊（Anopheles stephensi）的代表性标本图像。左图为-80℃冷冻保存的蚊子，右图为室温下干燥的蚊子。

12月17日，美国罗德岛大学的研究人员在学术期刊《科学公共图书馆——被忽视的热带病》发表了一项最新研究。他们用1709张蚊子照片和其对应的蚊子性别、属、种和品系训练卷积神经网络，成功训练出能归类蚊子的人工智能网络。这些蚊子从16个蚊虫聚集区收集而来，包括一些辨认难度极高的品种。

图2：研究图像数据集中的示例图像

结果表明，研究中的卷积神经网络可以将传染疟疾的按蚊与其他蚊子区分开来，并且能够识别按蚊的具体品种和性别，甚至分辨同一个物种（specie）中的两个品系（strain）。

研究人员发现，该卷积神经网络识别按蚊物种的准确率为99.96%，识别按蚊性别的准确率为98.48%。

图3: 原始图像数据集被分为训练、验证和测试三个部分

研究人员称，这项研究证明，通过深度学习进行图像分类可以成为识别疟蚊的有效方法。在实际使用过程中，需要用到显微镜、用于图像采集的摄像机和CPU。他们认为，有必要进行进一步的调查，以确定如何在实地环境中实施此类方法，并与现有的蚊虫监测计划相协调。