鸟类区域水体数据集（BAWD）与用于禽类肉毒杆菌中毒爆发的预测性 AI 模型（AVI-BoT）
定量方法
2022-11-18 v2 计算机视觉与模式识别
机器学习
摘要
禽类肉毒杆菌中毒是一种常导致高致死率的鸟类麻痹性细菌疾病。小鼠生物测定、ELISA、PCR 等体外诊断技术通常不具备预防性、属死后性质，且需从受影响地点或死鸟侵入性采样。本研究中，我们构建了首个基于多光谱遥感影像的全球鸟类区域水体数据集（BAWD）（即融合的温水湖泊/沼泽地或类似对鸟类动物区系重要的水体地点的卫星图像），并以实地爆发的报告证据为支撑。BAWD 包含 16 个地形多样的全球站点，监测时间跨度为 4 年（2016–2021）。我们提出了首个基于人工智能（AI）的、用于预测禽类肉毒杆菌中毒潜在爆发的模型 AVI-BoT（气溶胶可见光、红外（NIR/SWIR）与热波段）。我们还训练并研究了一个更简单的（5 波段）致病因子模型（基于文献中报道的显著生理因子）来预测禽类肉毒杆菌中毒。AVI-BoT 在 BAWD 上训练准确率为 0.96、验证准确率为 0.989，远优于我们基于致病因子的模型。我们还进行了消融研究并做了详细的特征空间分析。我们进一步分析了三个案例研究地点——曾发生爆发的 Lower Klamath 国家野生动物保护区、Langvlei 与 Rondevlei 湖，以及未发生爆发的 Pong Dam，并以实地报告确认了预测。所提技术提供了一种可扩展、低成本、非侵入式的连续监测鸟类栖息地以防肉毒杆菌中毒爆发的方法，具有挽救珍贵动物生命的潜力。
引用
@article{arxiv.2105.00924,
title = {Bird-Area Water-Bodies Dataset (BAWD) and Predictive AI Model for Avian Botulism Outbreak (AVI-BoT)},
author = {Narayani Bhatia and Devang Mahesh and Jashandeep Singh and Manan Suri},
journal= {arXiv preprint arXiv:2105.00924},
year = {2022}
}