Aplicação da inteligência artificial para identificação de mosquitos vetores da febre amarela

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Araújo, Taís Oliveira de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizagem de máquina
Aprendizado profundo
Redes neurais
Febre amarela
Mosquitos
Link de acesso: http://repositorio.unb.br/handle/10482/52250
Resumo: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Medicina, Programa de Pós-Graduação em Medicina Tropical, 2025.
id UNB_0e2b60109bb78df4f9a733164d961822
oai_identifier_str oai:repositorio.unb.br:10482/52250
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Aplicação da inteligência artificial para identificação de mosquitos vetores da febre amarelaAprendizagem de máquinaAprendizado profundoRedes neuraisFebre amarelaMosquitosDissertação (mestrado) — Universidade de Brasília, Faculdade de Medicina, Programa de Pós-Graduação em Medicina Tropical, 2025.A identificação de mosquitos vetores é fundamental para o controle de doenças. Estudos de identificação automatizada usando Redes Neurais Convolucionais (CNNs) já foram realizados para alguns mosquitos vetores urbanos, mas ainda não para mosquitos silvestres que transmitem a febre amarela e outras arbovíroses. Avaliamos a capacidade da rede CNN AlexNet de identificar quatro espécies de mosquitos: Aedes serratus, Aedes scapularis, Haemagogus leucocelaenus e Sabethes albiprivus e se há variação na capacidade da AlexNet de classificar mosquitos com base em fotos de quatro regiões diferentes do corpo. Os espécimes foram fotografados usando um telefone celular conectado a um estereoscópio. Foram tiradas fotografias de corpo inteiro, pronoto e vista lateral do tórax, que foram pré-processadas para treinar o algoritmo AlexNet. A avaliação foi baseada na matriz de confusão, na média de acurácia (10 pseudoreplicatas) e no intervalo de confiança de cada experimento. Nosso estudo constatou que o AlexNet pode identificar com precisão imagens de mosquitos dos gêneros Aedes, Sabethes e Haemagogus com mais de 90% de precisão. Além disso, o desempenho do algoritmo não mudou de acordo com as regiões do corpo apresentadas. É importante observar que o estado de preservação dos mosquitos, que muitas vezes estavam danificados, pode ter afetado a capacidade da rede de diferenciar essas espécies e, portanto, as taxas de precisão poderiam ter sido ainda maiores. Nossos resultados apoiam a ideia de aplicar CNNs orientadas por IA para identificação automatizada de mosquitos vetores de doenças tropicais. Essa abordagem pode ser usada na vigilância de vetores da febre amarela pelos serviços de saúde e na vigilância de base comunitária.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).Identifying mosquito vectors is crucial for controlling diseases. Automated identification studies using Convolutional Neural Network (CNN) have been conducted for some urban mosquito vectors but not yet for sylvatic mosquito vectors that transmit the yellow fever and other arboviruses. We evaluated the ability of the AlexNet CNN to identify four mosquito species: Aedes serratus, Aedes scapularis, Haemagogus leucocelaenus and Sabethes albiprivus and whether there is variation in AlexNet's ability to classify mosquitoes based on pictures of four different body regions. The specimens were photographed using a cell phone connected to a stereoscope. Photographs were taken of the fullbody, pronotum and lateral view of the thorax, which were pre-processed to train the AlexNet algorithm. The evaluation was based on the confusion matrix, the accuracy (10 pseudo-replicates) and the confidence interval for each experiment. Our study found that the AlexNet can accurately identify mosquito pictures of the genus Aedes, Sabethes and Haemagogus with over 90% accuracy. Furthermore, the algorithm performance did not change according to the body regions submitted. It is worth noting that the state of preservation of the mosquitoes, which were often damaged, may have affected the network's ability to differentiate between these species and thus accuracy rates could have been even higher. Our results support the idea of applying CNNs for AI-driven identification of mosquito vectors of tropical diseases. This approach can potentially be used in the surveillance of yellow fever vectors by health services and the population as well.Faculdade de Medicina (FM)Programa de Pós-Graduação em Medicina TropicalGonçalves, Rodrigo GurgelAraújo, Taís Oliveira de2025-05-15T18:45:24Z2025-05-15T18:45:24Z2025-05-152025-02-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfARAÚJO, Taís Oliveira de. Aplicação da inteligência artificial para identificação de mosquitos vetores da febre amarela. 2025. 79 f., il. Dissertação (Mestrado em Medicina Tropical) — Universidade de Brasília, Brasília, 2025.http://repositorio.unb.br/handle/10482/52250porA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2025-05-15T18:45:25Zoai:repositorio.unb.br:10482/52250Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2025-05-15T18:45:25Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Aplicação da inteligência artificial para identificação de mosquitos vetores da febre amarela
title Aplicação da inteligência artificial para identificação de mosquitos vetores da febre amarela
spellingShingle Aplicação da inteligência artificial para identificação de mosquitos vetores da febre amarela
Araújo, Taís Oliveira de
Aprendizagem de máquina
Aprendizado profundo
Redes neurais
Febre amarela
Mosquitos
title_short Aplicação da inteligência artificial para identificação de mosquitos vetores da febre amarela
title_full Aplicação da inteligência artificial para identificação de mosquitos vetores da febre amarela
title_fullStr Aplicação da inteligência artificial para identificação de mosquitos vetores da febre amarela
title_full_unstemmed Aplicação da inteligência artificial para identificação de mosquitos vetores da febre amarela
title_sort Aplicação da inteligência artificial para identificação de mosquitos vetores da febre amarela
author Araújo, Taís Oliveira de
author_facet Araújo, Taís Oliveira de
author_role author
dc.contributor.none.fl_str_mv Gonçalves, Rodrigo Gurgel
dc.contributor.author.fl_str_mv Araújo, Taís Oliveira de
dc.subject.por.fl_str_mv Aprendizagem de máquina
Aprendizado profundo
Redes neurais
Febre amarela
Mosquitos
topic Aprendizagem de máquina
Aprendizado profundo
Redes neurais
Febre amarela
Mosquitos
description Dissertação (mestrado) — Universidade de Brasília, Faculdade de Medicina, Programa de Pós-Graduação em Medicina Tropical, 2025.
publishDate 2025
dc.date.none.fl_str_mv 2025-05-15T18:45:24Z
2025-05-15T18:45:24Z
2025-05-15
2025-02-11
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv ARAÚJO, Taís Oliveira de. Aplicação da inteligência artificial para identificação de mosquitos vetores da febre amarela. 2025. 79 f., il. Dissertação (Mestrado em Medicina Tropical) — Universidade de Brasília, Brasília, 2025.
http://repositorio.unb.br/handle/10482/52250
identifier_str_mv ARAÚJO, Taís Oliveira de. Aplicação da inteligência artificial para identificação de mosquitos vetores da febre amarela. 2025. 79 f., il. Dissertação (Mestrado em Medicina Tropical) — Universidade de Brasília, Brasília, 2025.
url http://repositorio.unb.br/handle/10482/52250
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1839083878474579968

Registros relacionados