IA e os Problemas Difíceis do Mundo · Ciências da vida · Nature (computational biology) · 2026-10-20
Transformando a vigilância de mosquitos: LarvaFormer como uma ferramenta híbrida de aprendizado profundo para reconhecimento rápido e preciso de larvas
Título original: Transforming mosquito surveillance LarvaFormer as a hybrid deep learning tool for rapid and accurate larval recognition
Doenças transmitidas por mosquitos causam mais de 700,000 mortes anualmente, mas os métodos tradicionais de controle voltados a mosquitos adultos costumam ser ineficazes e prejudiciais ao meio ambiente. O LarvaFormer é uma estrutura de aprendizado profundo híbrida que combina redes neurais convolucionais e Vision Transformers com mecanismos de atenção especializados para classificar automaticamente larvas de mosquitos. O modelo alcançou precisões de estado da arte de 98.97% e 99.50% nos conjuntos de dados MosquitoLarvae-7400 e MLMI-2024, permitindo uma identificação larval rápida e precisa que apoia um controle de mosquitos direcionado e ambientalmente sustentável.