Journal of Infection and Chemotherapy 2026年9月14日该初步研究在2023年5月至2024年12月间从日本冈山、广岛、香川三县10家医疗机构就诊的蜱叮咬患者处采集蜱虫，并补充野生蜱图像，构建了包含目标检测与属级分类的两阶段AI流程，其中YOLO类检测模型在3258张公开标注图像上训练后达到mAP@0.5为0.954，ResNet50在533张覆盖四个属的蜱图像上取得平均验证准确率95%，并将系统整合为带地理空间可视化的原型智能手机应用，用于辅助临床风险评估与公共卫生监测。该初步研究在2023年5月至2024年12月间从日本冈山、广岛、香川三县10家医疗机构就诊的蜱叮咬患者处采集蜱虫，并补充野生蜱图像，构建了包含目标检测与属级分类的两阶段AI流程，其中YOLO类检测模型在3258张公开标注图像上训练后达到mAP@0.5为0.954，ResNet50在533张覆盖四个属的蜱图像上取得平均验证准确率95%，并将系统整合为带地理空间可视化的原型智能手机应用，用于辅助临床风险评估与公共卫生监测。基于AI的智能手机蜱虫快速识别与地理空间制图应用：一项初步研究该初步研究在2023年5月至2024年12月间从日本冈山、广岛、香川三县10家医疗机构就诊的蜱叮咬患者处采集蜱虫，并补充野生蜱图像，构建了包含目标检测与属级分类的两阶段AI流程，其中YOLO类检测模型在3258张公开标注图像上训练后达到mAP@0.5为0.954，ResNet50在533张覆盖四个属的蜱图像上取得平均验证准确率95%，并将系统整合为带地理空间可视化的原型智能手机应用，用于辅助临床风险评估与公共卫生监测。该初步研究在2023年5月至2024年12月间从日本冈山、广岛、香川三县10家医疗机构就诊的蜱叮咬患者处采集蜱虫，并补充野生蜱图像，构建了包含目标检测与属级分类的两阶段AI流程，其中YOLO类检测模型在3258张公开标注图像上训练后达到mAP@0.5为0.954，ResNet50在533张覆盖四个属的蜱图像上取得平均验证准确率95%，并将系统整合为带地理空间可视化的原型智能手机应用，用于辅助临床风险评估与公共卫生监测。