《Insects》:Multi-View Pareto Optimization for Minimal-Diagnostic-Set Identification of Disease Vectors
Nuofei Lin,
Jingjing Wang,
Yixiang Qian,
Li Wei,
Hongxia Liu,
Bo Dai,
Songlin Zhuang and
Dawei Zhang
编辑推荐:
准确识别疾病媒介对公共卫生至关重要,然而区分形态相似的物种需要大量的分类学专业知识和数据资源。本研究提出MVP-Net,一种人工智能驱动的框架,旨在从多视角图像中提取最小充分的诊断性解剖视图集,以实现高效识别。该框架在上海市常规监测中区域性收集的 Calypt
准确识别疾病媒介对公共卫生至关重要,然而区分形态相似的物种需要大量的分类学专业知识和数据资源。本研究提出MVP-Net,一种人工智能驱动的框架,旨在从多视角图像中提取最小充分的诊断性解剖视图集,以实现高效识别。该框架在上海市常规监测中区域性收集的 Calyptratae(蝇类,8个视图)和 Culicidae(蚊类,11个视图)数据集上进行了评估。在全视图融合条件下,MVP-Net 对 Calyptratae 的 Top-1 准确率达到了87.04%,对 Culicidae 达到了100%。经过基于帕累托的视图优化后,Calyptratae 的所需输入视图减少至5个,Culicidae 减少至2个,计算成本分别降低了37.49%和81.82%,同时保持了可比的分类性能(推荐的 Calyptratae 配置为86.11%,Culicidae 为100%)。这些结果表明,MVP-Net 能够减少视图冗余,同时在上海当前监测环境下保持可比的识别性能,为优化区域性多视角辅助识别工作流程提供了一种实用方法。
研究背景与问题阐述
媒介生物性传染病(vector-borne diseases)的全球负担日益加重,快速城市化与气候变率的驱动使得高效、可扩展的疾病媒介监测成为公共卫生领域的紧迫需求。在公共卫生、医学及法医昆虫学等学科中,双翅目(Diptera)昆虫的精确种级鉴定——特别是蚊科(Culicidae,即蚊类)与蝇类总科(Calyptratae,即蝇类)——对于有效的媒介控制与流行病学建模至关重要。然而,种级鉴定长期面临瓶颈:其依赖专家对细微、高度局部化的形态结构进行检视,如翅脉花纹、胸背板刚毛排列(chaetotaxy,即毛序)及足带纹等。随着全球训练有素的分类学家短缺制约着人工处理能力的提升,深度学习(deep learning, DL)赋能的计算机视觉已逐渐成为弥合生物数据获取与分类鉴定之间鸿沟的变革性工具。
尽管卷积神经网络(convolutional neural networks, CNNs)与视觉 Transformer(Vision Transformers, ViTs)在通用物体识别领域取得了显著成功,昆虫物种识别仍属于精细粒度视觉分类(fine-grained visual classification, FGVC)的挑战性任务。现有研究多聚焦于从野外图像或自动化诱虫灯中进行昆虫识别,虽适用于种群监测,但这些"野生环境"方法往往依赖低分辨率的全局特征,易受背景噪声干扰,且未能捕捉分类学家优先关注的细微诊断性状——这些性状对于区分近缘种(sibling species)至关重要。近期研究表明,利用高清晰度实验室成像并聚焦特定身体部位(如翅)可显著优于全身分类,因为刚性结构提供了不受腹部形变影响的稳定特征。
为模拟专家分类学家的多角度检视,先进的成像设置越来越采用多视角策略,从背视、侧视、腹视等角度捕捉标本以克服遮挡问题。然而,简单地融合所有可用视图会引入显著的数据冗余与计算开销,不利于实时部署;且并非所有形态视图对判别具有同等贡献——例如,背胸板(dorsal thorax)对鉴别伊蚊属(Aedes)物种至关重要,而翅脉则是库蚊属(Culex)的决定性特征。不加区分的无关视图融合会导致负迁移(negative transfer),即噪声稀释诊断性状的信号。因此,现代计算昆虫学的核心挑战在于从"处理所有信息"向"学习关键信息"转变。
研究人员开展的研究及核心发现
针对上述效率—准确率权衡问题,研究人员提出了MVP-Net(Multi-View Pareto Network,多视角帕累托网络),一种旨在从多视角图像数据中选择紧凑的诊断信息性解剖部位子集的多视角识别框架。该框架整合特征提取、多视图合成与可微子集选择,利用区域采集的蝇类与蚊虫数据集进行验证。研究结果表明,MVP-Net 在保持可比识别性能的同时,显著降低了图像采集负担与计算成本:对于蝇类,视图数从8个缩减至5个,计算成本降低37.49%,准确率维持在86.11%(与全视图配置的87.04%相比仅下降0.93个百分点);对于蚊虫,视图数从11个锐减至2个,计算成本大幅降低81.82%,同时保持100%的识别准确率。这些发现支持将 MVP-Net 作为上海常规监测中蚊蝇类群的区域性辅助识别框架,为优化多视角辅助识别工作流程提供了实用途径。
关键技术方法
本研究的技术路线涵盖以下核心方法:样本队列来源于上海市疾病预防控制中心系统约一年的常规媒介监测,涵盖12种蝇类(512号标本,404例训练/108例验证)与5种蚊虫(363号标本,289例训练/74例验证);特征提取采用预训练 ImageNet 权重的 ConvNeXt-V2-Pico 主干网络,配合 ML-Decoder 头生成视图嵌入向量,注入可学习的位置编码后通过8头自注意力的 Transformer 融合模块处理;视图选择采用基于 Hard-Concrete 分布的可微门控机制对 L0 范数进行连续松弛,结合交叉熵损失、监督对比损失与稀疏性损失构成复合目标函数;通过网格搜索稀疏系数构建帕累托前沿(Pareto frontier),选择在准确率损失不超过1%阈值内的最小视图配置;最终开发了基于 PySide6 的离线桌面应用软件,封装为 Windows 可执行程序供本地运行。
研究结果介绍
无标题
单视图与多视图融合的性能基准测试:在12种蝇类验证集上,多视图融合持续优于单一视图识别。背胸板(mesonotum)单视图准确率最高达83.33%,而全8视图融合达87.04%,绝对提升3.71个百分点,证实跨视图形态合成的必要性。物种层面分析显示融合效果存在异质性:厕蝇(Musca sorbens)与厩腐蝇(Muscina stabulans)各净增2例正确识别,但丝光绿蝇(Lucilia cuprina)与黑须丽蝇(Calliphora nigribarbis)出现全视图融合导致的边际负干扰,表明不加区分的特征叠加可能引入信息冗余。
帕累托最优子集的识别与效率增益:300轮训练轨迹中门控概率演化显示,背胸板、腹部与下侧板(hypopleura)迅速收敛至高优先级,而头部、翅与基前缘脉(basicosta)被持续抑制。帕累托前沿分析确定 λ=0.4 时的5部位推荐配置为最优效率—性能饱和点,准确率86.11%(损失0.93%),计算成本从11.31减至7.07 GFLOPs,降幅37.49%。混淆矩阵显示该配置仅在家蝇(M. domestica)与厕蝇间出现1例误分;普通绿蝇(Lucilia illustris)甚至较基线提升1例,提示剔除冗余输入可缓解局部分类干扰。无 GPU 的笔记本电脑上仍可实现实时推理。
蚊科数据集性能评估:11个独立视图中,前气门刚毛与后气门刚毛(pre-spiracular and post-spiracular setae)单视图准确率最高(97.18%),全视图融合达100%。推荐配置仅选2个视图即维持100%准确率,计算成本降低81.82%,实现绝对精确的五物种识别,证实框架可自主确定不同媒介类群的高效诊断部位集。
讨论与研究结论
人工智能部位选择与形态一致性:MVP-Net 识别的最小充分集表明,只要保留信息性诊断结构,无需穷尽形态覆盖即可实现准确鉴定。蝇类中优化后的背胸板、腹部与下侧板与传统分类检索表中的诊断特征吻合,背胸板因整合金属光泽、毛序模式与胸板条纹等核心诊断特征而成为分类基础。这种对应关系表明可微门控机制能够选择具有解剖学意义的视图,为降维配置提供了一定的生物学可解释性。
最小视图集的任务依赖性与区域适用性:本研究样本源于上海疾控系统约一年的常规监测,涵盖当前监测的主要蚊蝇类群。蝇类8视图配置准确率87.04%,降至5视图后性能损失0.93%,但进一步降至3视图则跌至84.26%,提示存在实用下限;蚊虫仅需2视图即达100%。研究目标并非不惜代价最小化视图数,而是识别保持可比性能的紧凑子集。若扩展至更多物种或形态相似性更高的场景,各解剖部位的相对重要性及最小诊断子集的组成可能相应变化,其区域适用性需在更广范围内验证。
实用稳健性与未来扩展:数据集在常规疾控采集流程下生成,由不同区域单位使用配置各异的常规显微镜获取图像,并经光照扰动与遮挡模拟等数据增强处理。在此条件下,224×224像素输入仍保持良好性能,提示向非专业化成像硬件扩展的潜力,但尚需在新采集条件下的专门验证。当前框架未纳入性别预测目标,而性别与流行病学意义直接相关,未来应将性别识别准确率作为额外目标纳入帕累托优化框架。
研究结论部分翻译如下:
本研究评估了上海市常规监测中蚊蝇类群多视角形态鉴定简化的可行性,同时保持可比的分类性能。利用上海疾控系统约一年常规监测中采集的显微镜多视角蝇类(Calyptratae)与蚊类(Culicidae)数据集,MVP-Net 识别了紧凑的诊断信息性解剖视图子集,同时降低了图像采集负担与计算成本。对于12种蝇类数据集,推荐配置将所需输入从8个视图减至5个,计算成本降低37.49%,维持86.11%的准确率,与全视图配置的差异为0.93%以内。对于5种蚊类数据集,所需输入从11个视图减至2个,计算成本降低81.82%,当前数据集中所包含物种的识别准确率保持100%。这些结果表明,在上海常规监测的类群中,使用缩减的解剖视图集即可实现可比的识别性能,尽管所选视图的数量和组成因具体分类任务而异。总体而言,这些结果支持将MVP-Net作为上海常规监测中蚊蝇类群的区域性辅助识别框架。该框架并非不惜代价最小化视图数量,而是提供了一种在当前数据集设置下识别紧凑视图子集的方法,以保留识别所需的大部分判别信息。未来工作应扩展数据集的区域与分类覆盖范围,并考察性别识别准确率能否作为额外目标纳入当前的帕累托优化框架。