Deep Learning Algorithms Improve Automated Identification of Chagas Disease Vectors.

Khalighifar, Ali; Komp, Ed; Ramsey, Janine M; Gurgel-Gonçalves, Rodrigo; Peterson, A Townsend

Khalighifar, Ali; Komp, Ed; Ramsey, Janine M; Gurgel-Gonçalves, Rodrigo; Peterson, A Townsend.

Afiliación

Khalighifar A; Biodiversity Institute and Department of Ecology and Evolutionary Biology, University of Kansas, Lawrence, KS.
Komp E; Information and Telecommunication Technology Center, University of Kansas, Lawrence, KS.
Ramsey JM; Centro Regional de Investigación en Salud Pública, Instituto Nacional de Salud Publica, Tapachula, Chiapas, Mexico.
Gurgel-Gonçalves R; Faculty of Medicine, Universidade de Brasília, Brasilia, DF, Brazil.
Peterson AT; Biodiversity Institute and Department of Ecology and Evolutionary Biology, University of Kansas, Lawrence, KS.

J Med Entomol ; 56(5): 1404-1410, 2019 09 03.

Article en En | MEDLINE | ID: mdl-31121052

Asunto(s)

Clasificación/métodos; Aprendizaje Profundo; Insectos Vectores/clasificación; Triatominae/clasificación; Animales; Brasil; Enfermedad de Chagas/transmisión; México

Palabras clave

Chagas disease; TensorFlow; Triatominae; automated species identification; deep learning

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Bases de datos: MEDLINE Asunto principal: Triatominae / Clasificación / Aprendizaje Profundo / Insectos Vectores Tipo de estudio: Diagnostic_studies Límite: Animals País/Región como asunto: America do sul / Brasil / Mexico Idioma: En Revista: J Med Entomol Año: 2019 Tipo del documento: Article

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google