في خطوة ثورية تسهم في تعزيز الصحة العامة، طور فريق من الباحثين إطارًا هجينًا يجمع بين نموذج الـ “Vision Transformer” (ViT) ووحدات التكرار المغلقة (Gated Recurrent Unit) لمساعدة العلماء في اكتشاف بعوض مصاب بفيروس الدنج. واجهت الطرق التقليدية للتعرف على البعوض المصاب تحديات كبيرة بسبب صغر الحجم وتعقيد الخلفيات في مقاطع الفيديو، مما كان يعيق استخراج الخصائص الدقيقة.

الإطار الجديد يستند إلى ثلاث خطوات أساسية، حيث تبدأ العملية بتحديد البعوض وإزالة الخلفية باستخدام نموذج “YOLO 11M”. بعد ذلك، تُستخرج الخصائص البصرية باستخدام نموذج الـ ViT، وفي الخطوة الأخيرة، يتم تصنيف مقاطع الفيديو باستخدام مصنف “ConvGRU”.

أظهرت التحليلات المقارنة مع نماذج أخرى، مثل الشبكة العصبية التكرارية (RNN) ونموذج الذاكرة القصيرة والطويلة (LSTM)، أن نموذج ConvGRU يوفر الأداء الأفضل، حيث حقق دقة قدرها 88.88% وPrecision بنسبة 84.45% وRecall بنسبة 82.82%، بالإضافة إلى F1 Score بلغ 82.81%.

تؤكد هذه النتائج على فعالية دمج النماذج التلافيفية مع الشبكات القائمة على التسلسل، مما يسمح باستخراج الميزات المكانية الدقيقة والاعتمادات الزمنية الطويلة من سلوكيات البعوض. في النهاية، يقدم الإطار المقترح حلاً موثوقًا لتحليل سلوك البعوض في بيئات معقدة، مما يساهم في تحسين الاستجابة الصحية العالمية.