La IA y los problemas difíciles del mundo · Ciencias de la vida · Nature (computational biology) · 2026-10-20
Transformando la vigilancia de mosquitos: LarvaFormer como una herramienta híbrida de aprendizaje profundo para el reconocimiento rápido y preciso de larvas
Título original: Transforming mosquito surveillance LarvaFormer as a hybrid deep learning tool for rapid and accurate larval recognition
Las enfermedades transmitidas por mosquitos causan más de 700,000 muertes al año, pero los métodos tradicionales de control dirigidos a los mosquitos adultos suelen ser ineficaces y dañinos para el medio ambiente. LarvaFormer es un marco de aprendizaje profundo híbrido que combina redes neuronales convolucionales y Vision Transformers con mecanismos de atención especializados para clasificar automáticamente las larvas de mosquito. El modelo alcanzó precisiones de vanguardia de 98.97% y 99.50% en los conjuntos de datos MosquitoLarvae-7400 y MLMI-2024, lo que permite una identificación rápida y precisa de las larvas que respalda un control de mosquitos dirigido y ambientalmente sostenible.