基于Joinpoint回归模型的2004—2020年江西省鄱阳县血吸虫病流行趋势分析

目的分析2004—2020年江西省鄱阳县血吸虫病疫情动态变化,为制定消除血吸虫病策略提供参考依据。方法收集2004—2020年江西省鄱阳县血吸虫病防治工作资料及2005—2020年国家血吸虫病监测点数据,建立数据库并进行分析。采用Joinpoint回归模型对鄱阳县血吸虫病流行趋势进行分析。结果 2004—2020年鄱阳县人群血吸虫病血清学与病原学检查阳性率分别从24.39%(24 976/102 397)和4.53%(259/5 721)下降至5.37%(2 421/45 100)[年度变化百分比(APC)=平均年度变化百分比(AAPC)=-8.64%]和0(0/3 963)(APC=AAPC=-32.07%),变化趋势均有统计学意义(P均<0.01)。2013—2020年鄱阳县耕牛血吸虫病血清学检测阳性率从1.21%(294/24 332)下降至0.58%(35/5 999),变化趋势有1个趋势变化连接点(AAPC=-8.20%,P> 0.05)。2004—2020年鄱阳县未曾新查出有螺乡与有螺村,查出有螺面积占查螺总面积比例有3个趋势变化连接点(AAPC=-2.30%,P> 0.01)。2005—2020年,鄱阳县国家血吸虫病监测点本地居民血检阳性率及校正感染率分别从60.82%(742/1 220)和10.16%(124/1 220)降至5.73%(70/1 221)和0,血检阳性率(APC=AAPC=17.47%,P <0.01)与校正感染率(APC=AAPC=-44.92%,P <0.01)变化趋势均有统计学意义;仅2005、2007年在本地家畜中分别查出10头和2头血吸虫感染牛,感染率分别为10.00%(10/100)和13.33%(2/15);仅于2008—2009年发现血吸虫感染性钉螺,环介导等温扩增技术检测未发现血吸虫核酸阳性混合钉螺样本。结论 2004—2020年鄱阳县血吸虫病疫情下降趋势显著,但巩固防治成果及消除血吸虫病仍面临挑战。

基于无人机影像深度学习算法的血吸虫病家畜传染源智能识别研究

目的 建立一种基于无人机影像深度学习算法的智能识别模型,初步评价其用于血吸虫病家畜传染源耕牛远程识别和监测管理的效果。方法 以环鄱阳湖地区有螺洲滩作为研究区域,采用无人机航拍采集该区域影像数据集。对数据集进行增强处理,并使用数据标注工具VGG Image Annotator标记样本数据库中的耕牛,建立耕牛形态识别标签。基于Mask R-卷积神经网络(CNN)深度学习算法建立智能识别模型用于识别耕牛分布,采用准确率、精确率、召回率、F1得分和平均精确率等指标对模型识别耕牛效果进行评价。结果 共获取200幅无人机航拍原始影像,对影像数据增强处理后获得410幅影像,标记耕牛识别训练样本2 860个。构建的Mask R-CNN深度学习识别模型在迭代200轮后收敛,模型准确率为88.01%、精确率为92.33%、召回率为94.06%、F1得分为93.19%、平均精确率为92.27%,可有效检测和分割耕牛形态特征。结论 基于无人机影像深度学习算法构建的Mask R-CNN模型识别耕牛准确性较高,可用于血吸虫病家畜传染源远程智能识别、监测和管理。