
-
生物通官微
陪你抓住生命科技
跳动的脉搏
LarvaFormer:基于混合深度学习的蚊子幼虫自动分类框架
《Scientific Reports》:Transforming mosquito surveillance LarvaFormer as a hybrid deep learning tool for rapid and accurate larval recognition
【字体: 大 中 小 】 时间:2026年10月21日 来源:Scientific Reports 4.9
编辑推荐:
摘要蚊媒疾病构成重大全球健康威胁,每年造成超过70万人死亡。传统针对成蚊的控制方法往往效果不佳且对环境有害。本文提出LarvaFormer,一种新颖的混合深度学习框架,整合了卷积神经网络(CNN)和视觉Transformer及专门注意力机制,用于蚊子幼虫的自动分类。借助两个基
蚊媒疾病构成重大全球健康威胁,每年造成超过70万人死亡。传统针对成蚊的控制方法往往效果不佳且对环境有害。本文提出LarvaFormer,一种新颖的混合深度学习框架,整合了卷积神经网络(CNN)和视觉Transformer及专门注意力机制,用于蚊子幼虫的自动分类。借助两个基准数据集MosquitoLarvae-7400(四个物种)和MLMI-2024(解剖级成像),模型分别达到98.97%和99.50%的最先进准确率。LarvaFormer结合了跨模态特征融合、轻量级注意力模块和神经架构搜索(NAS)引导的优化方案,以增强判别能力和泛化能力。综合评估(包括消融研究和Grad-CAM可视化)展示了其鲁棒性、可解释性和效率。所提出的系统实现快速准确的幼虫识别,支持靶向且环境可持续的蚊虫控制策略。