在屠宰猪中评分类似动物性肺炎的病变:传统与基于人工智能的方法
Jasmine Hattab1, Angelo Porrello2, Anastasia Romano3
1Department of Veterinary Medicine, University of Teramo, Loc. Piano d'Accio, 64100 Teramo, Italy.
Pathogens (Basel, Switzerland)
|December 22, 2023
概括
卷积神经网络 (CNN) 能够有效地检测猪肺中的肺炎和肺炎,实现高特异性和灵敏度. 这种人工智能工具有望改善屠宰场的疾病检测.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 生物医学成像学 生物医学成像学
- 人工智能的人工智能是人工智能.
背景情况:
- 人工智能 (AI) 方法,特别是卷积神经网络 (CNN),越来越多地被用于生物医学科学,特别是用于诊断成像.
- 最近,CNNs已经开发出来,用于在猪肺部中得分肺膜炎和肺炎.
研究的目的:
- 评估CNN在诊断猪肺中的肺炎和肺炎方面的表现.
- 将CNN的诊断准确性与专家兽医评估的既定黄金标准进行比较.
主要方法:
- 441个猪肺 (180个健康,261个患病) 用传统方法 (麦德克和克里斯森的网格) 作为黄金标准进行评估.
- 肺部的照片随后被训练有素的CNN分析.
- 使用斯皮尔曼相关性,CNN的分数与兽医的分数进行比较.
主要成果:
- 在疾病检测中,CNN表现出高特异性 (95.55%) 和良好的灵敏度 (85.05%).
- 在CNN得分和兽医得分之间观察到强烈的正相关性 (斯皮尔曼系数 = 0.831,p < 0.01).
结论:
- 在屠宰场环境中,CNN显示出对准确和高效的疾病评分有很大的潜力.
- 这些发现支持进一步研究人工智能在肉类检查和动物疾病监测方面的应用.
