在使用基于视频录制的深度学习模型的家庭山羊中自动化急性疼痛预测
Ludovica Chiavaccini1, Anjali Gupta2, Nicole Anclade2
1Department of Comparative, Diagnostic and Population Medicine, College of Veterinary Medicine, University of Florida, 2015 SW 16th Avenue, PO BOX 100123, Gainesville, FL, 32610-0123, USA. lchiavaccini@ufl.edu.
Scientific reports
|November 7, 2024
概括
机器学习使用面部表情准确地识别山羊的疼痛. 这种自动化方法为评估兽医环境中的动物福利提供了一个有前途的工具.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 动物行为 动物行为
- 机器学习 机器学习
背景情况:
- 面部表情对于动物的沟通至关重要.
- 动物的自动疼痛识别是一个新兴的领域.
- 基于面部表情的疼痛尺度用于各种物种.
研究的目的:
- 开发和评估用于山羊自动疼痛识别的机器学习模型.
- 评估不同验证技术和框架提取率的有效性,以检测山羊患者的疼痛.
主要方法:
- 使用预先训练的VGG-16基础和支持向量机分类器.
- 在兽医医院的山羊图像上训练了深度学习模型.
- 评估模型使用单列车测试分组,五倍和主体化十倍交叉验证.
主要成果:
- 模型通过单列车测试分割和5倍交叉验证实现了大约80%的准确性.
- 根据对象的10倍交叉验证,平均准确率高于60%.
- 性能因不同的提取速率 (1 FPS 和 3 FPS) 而有所不同.
结论:
- 机器学习显示出客观评估山羊疼痛的巨大潜力.
- 从面部表情中自动识别山羊疼痛是可行的.
- 进一步的研究可以完善这些模型用于临床应用.
