研究笔记:通过自动化图像分析来早期检测乳腺肌肉肌病的前景

科学领域:

• 禽畜科学 禽畜科学 禽畜科学
• 动物病理学 动物病理学
• 生物技术是生物技术.

背景情况:

• 乳腺肌肉肌病 (BMM),包括白条纹 (WS),木制乳房 (WB) 和意大利面肉 (SM),对 brojler的质量,福利和行业利能力产生负面影响.
• 准确和早期发现BMM对于减轻经济损失和确保动物福利至关重要.
• 传统的组织学方法来评估BMM可能是劳动密集型和主观的.

研究的目的:

• 评估基于深度学习的新型自动图像分析工具的有效性,用于早期检测与肉的BMM相关的形态参数.
• 通过自动化图像分析建立一种可靠的方法来量化肌肉病的严重程度.

主要方法:

• 开发和应用基于深度学习的自动化图像分析工具,用于 brojiler乳腺肌肉.
• 从养殖14天后的肉中采集肌肉样本并进行组织学分析.
• 进行了微观评分,血管计数,原量化和肌纤维大小评估 (直径和面积).
• 将肌纤维直径和面积标准化和整合为统一的度量,称为"相对肌纤维尺寸值",用于BMM检测.

主要成果:

• 自动图像分析工具在评估肌纤维大小方面表现出可靠性,与手动组织学测量一致.
• 为了检测BMM,建立了一个"相对肌纤维尺寸值"的值.
• 患有严重肌肉病的肉表现出明显较低的相对肌纤维大小值,表明有效检测肌肉病的严重程度.

结论:

• 开发的基于深度学习的自动图像分析工具显示了作为早期检测肉乳腺肌肉肌病的有效方法的巨大潜力.
• 这项技术为评估BMM的传统方法提供了一个有希望的,客观的,潜在的更快的替代方案.
• 作为概念验证的进一步验证支持其在提高家禽肉质量和农场利能力方面的应用.