深層学習による鶏脛骨破壊強度自動定量化による動物福祉の向上

科学分野:

• 動物科学
• バイオテクノロジー
• 獣医学

背景:

• 骨損傷は、家禽産業における重大な福祉問題です。
• 鶏の骨強度を評価するための現在の方法、例えば手動のX線アノテーションや死後検査は、時間がかかり、破壊的です。

研究 の 目的:

• 鶏の脛骨をセグメンテーションし、X線画像から骨の破壊強度を予測するための自動深層学習パイプラインを開発すること。
• 画像由来の骨強度予測の精度と遺伝率を評価すること。

主な方法:

• 側方X線画像から鶏の脛骨を自動的にセグメンテーションするために、U-Netを使用した深層学習パイプラインを開発しました。
• 916枚のキュレーションされた骨画像のピクセル強度を使用して、破壊強度を推定する予測モデルをトレーニングしました。
• パフォーマンスは、ピアソン相関と遺伝率推定値（h²）を使用して評価されました。

主要な成果:

• U-Netモデルは、脛骨のセグメンテーションにおいて0.91のダイススコアを達成しました。
• 予測モデルは、測定された破壊強度との間で最大0.74のピアソン相関を達成し、手動アノテーションを上回りました。
• 画像由来の予測は、中程度の遺伝率（h² ≈ 0.16）を持ち、物理的な骨強度との高い遺伝的相関を示しました。

結論:

• 開発された深層学習ワークフローは、鶏の骨強度を評価するための、迅速で非侵襲的で、遺伝的に情報に基づいた方法を提供します。
• このアプローチは、商業的な育種プログラムに統合して、骨の質を改善し、家禽の福祉を大規模に向上させることができます。