基于使用神经网络进行图像细分的神经网络的图像来诊断狗的眼科疾病
Matija Buric1, Sinisa Grozdanic2, Marina Ivasic-Kos1
1Faculty of Informatics and Digital Technologies, University of Rijeka, Centre for Artificial Intelligence University of Rijeka Ul, Radmile Matejcic 2, 51000, Rijeka, Croatia.
Heliyon
|October 14, 2024
概括
这项研究开发了一种可靠的机器学习模型,使用U-Net从图像中诊断狗眼部疾病. 该模型的准确性超过80%,有助于早期检测并改善狗眼睛的健康.
科学领域:
- 兽医眼科医生 兽医眼科医生
- 机器学习在兽医诊断中的应用
- 图像分析用于动物健康.
背景情况:
- 准确诊断狗眼部疾病是一个挑战.
- 图像分析和机器学习提供了潜在的解决方案.
- 开发可靠的自动诊断工具对于兽医护理至关重要.
研究的目的:
- 开发和评估用于通过图像分析诊断犬眼病的机器学习模型.
- 评估U-Net神经网络架构对此任务的可靠性和准确性.
- 为了探索各种神经网络的骨干,以获得最佳的性能.
主要方法:
- 使用了U-Net神经网络架构.
- 系统地探索不同的神经网络骨干 (VGG,ResNet,Inception,EfficientNet).
- 在自定义的狗眼图像数据集上训练和评估模型.
主要成果:
- 实现了高可靠性,交叉与欧盟 (IoU) 分数超过80% (贾卡德指数).
- 在细分和诊断眼部疾病方面表现出高度的准确性.
- 确定了一个有效的基于U-Net的模型,用于现实世界的应用.
结论:
- 开发的机器学习模型显示出在兽医眼科中基于图像的诊断具有显著的前景.
- 这种工具可以增强早期疾病检测,并改善狗的健康结果.
- 该研究为兽医诊断提供了先进的机器学习技术.
