深度学习用于子的基于视频的自动疼痛识别

科学领域:

• 兽医医学 兽医医学 兽医医学
• 动物福利科学动物福利科学
• 动物健康中的人工智能

背景情况:

• 子 (Oryctolagus cuniculus) 是重要的研究模型和伴侣动物.
• 准确的疼痛评估在子是至关重要的,但仍然没有研究.
• 目前用于子疼痛评估的方法有限.

研究的目的:

• 开发和验证用于检测子急性术后疼痛的自动化系统.
• 建立一个客观可靠的方法来识别Oryctolagus cuniculus的疼痛.
• 通过加强疼痛监测,改善研究和物环境中的子福利.

主要方法:

• 使用了28只子的视频录像,比较了手术前 (没有疼痛) 和手术后 (疼痛) 的状态.
• 开发了一个AI模型,分析面部表情和身体姿势的疼痛指标.
• 雇员灰度尺度短期堆叠 (GrayST) 采用1秒间隔采样进行时间分析.
• 实施了选择技术,以优化视频数据的利用.

主要成果:

• 人工智能模型实现了超过87%的疼痛识别精度.
• 对面部和身体姿势数据的综合分析证明在疼痛检测方面是有效的.
• 格雷ST方法成功地将时间信息用于准确的视频分类.

结论:

• 开发的AI模型为子的急性术后疼痛检测提供了一个有希望的自动化解决方案.
• 这项技术可以显著提高对Oryctolagus cuniculus.疼痛的客观评估.
• 自动疼痛识别系统可以在实验和家庭环境中改善子的福利.