Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Classification of Bones01:18

Classification of Bones

The bones of the human skeletal system are of varied shapes, sizes, and functions. They can be classified based on their shape and function into four major classes: long bones, short bones, flat bones, and irregular bones. Some classifications include a fifth type, the sesamoid bones, as a separate class, whereas others categorize them under short bones.
Long and Short Bones
The appendicular skeleton, particularly the upper and lower limbs, is primarily made of long and short bones. The long...

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Changes in Carcass Condemnation During a Six-Year Transition from Antibiotic-Based to Antibiotic-Free Broiler Production in Thailand: A Bayesian Structural Time-Series Analysis.

Animals : an open access journal from MDPI·2026
Same author

Linking shelter conditions to health: A multisystem analysis of stress, metabolism, and fecal microbiota in dogs.

PloS one·2026
Same author

A Slaughterhouse-Linked Spatial Framework for Prioritizing Livestock Surveillance in Thailand.

Animals : an open access journal from MDPI·2026
Same author

Effects of Dietary Crude Glycerol Supplementation on Performance, Egg Quality, and Yolk Fatty Acids in Laying Hens: A Systematic Review and Meta-Analysis.

Animals : an open access journal from MDPI·2026
Same author

Spatiotemporal clusters and dengue hotspots in the Philippines: a nationwide analysis spanning 2017-2024.

Frontiers in public health·2026
Same author

Isolation and Identification of G8P[1] Bovine Rotavirus A Among Neonatal Diarrheic Calves in Yunnan, China.

Animals : an open access journal from MDPI·2026

Video Experimental Relacionado

Updated: Jul 10, 2026

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
04:09

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

8.3K

Modelado predictivo de moretones en pollos de engorde utilizando algoritmos de aprendizaje automático

Pranee Pirompud1, Panneepa Sivapirunthep2, Veerasak Punyapornwithaya3

  • 1Doctoral Program in Innovative Tropical Agriculture, Department of Agricultural Education, Faculty of Industrial Education and Technology, King Mongkut's Institute of Technology Ladkrabang, Bangkok 10520, Thailand.

Poultry science
|September 3, 2025
PubMed
Resumen

Los modelos de aprendizaje automático pueden predecir moretones en pollos de engorde. El algoritmo Extreme Gradient Boosting (XGB) mostró el mejor rendimiento en la identificación de rebaños con alto riesgo de moretones, ayudando al bienestar y a los resultados económicos.

Palabras clave:
Mejora de la pendiente extremaTiempo de alojamientoDesempeño del modeloImportancia de las variables

Más Videos Relacionados

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
07:15

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Published on: August 16, 2020

6.9K
Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
07:13

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

Published on: April 18, 2025

193

Videos de Experimentos Relacionados

Last Updated: Jul 10, 2026

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
04:09

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

8.3K
Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
07:15

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Published on: August 16, 2020

6.9K
Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
07:13

Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model

Published on: April 18, 2025

193

Área de la Ciencia:

  • Ciencias de los animales
  • Ingeniería agrícola
  • Ciencia de los datos

Sus antecedentes:

  • Los moretones en los pollos de engorde son un problema importante en la producción avícola, que tiene un impacto negativo en el bienestar de los animales y en los rendimientos económicos.
  • El estrés físico y las lesiones durante la cría, la captura, el transporte y el sacrificio contribuyen a los moretones de las canales.

Objetivo del estudio:

  • Clasificar el riesgo de contusiones de los pollos de engorde (bajo o alto porcentaje de contusiones de las canales) por carga de camión.
  • Comparar el rendimiento predictivo de seis modelos de aprendizaje automático para la detección temprana de hematomas.
  • Proporcionar herramientas para la toma de decisiones para mejorar el seguimiento del bienestar y reducir las pérdidas económicas.

Principales métodos:

  • Se evaluaron seis modelos de aprendizaje automático: LASSO, CT, RF, NB, SVM y XGB.
  • Utilizó un conjunto de datos de 26.031 camiones con 14 predictores desde las fases de cría hasta el sacrificio.
  • Modelos entrenados sin volver a muestrear debido a la distribución natural de altos porcentajes de contusiones (41,4% de las cargas de camiones).

Principales resultados:

  • El algoritmo Extreme Gradient Boosting (XGB) demostró un rendimiento predictivo superior en comparación con los otros cinco modelos.
  • Los factores predictivos clave para los moretones incluyen el peso corporal medio, la duración del transporte, la densidad de población (en el alojamiento y en la caja), la distancia de transporte, las tasas de mortalidad/abate, el tiempo de retiro del alimento y la duración de la jaula.
  • La precisión predictiva general fue moderada, posiblemente debido a la falta de variables críticas.

Conclusiones:

  • El aprendizaje automático, en particular XGB, es una herramienta valiosa para la identificación temprana de las manadas de pollos de engorde susceptibles a moretones.
  • Las intervenciones de gestión específicas centradas en la salud de las aves, la densidad de población, la retirada de alimentos y la duración de la vida útil pueden mitigar eficazmente los moretones.
  • La aplicación de estas estrategias puede mejorar significativamente el bienestar animal y la eficiencia operativa en la producción comercial de pollos de engorde.