使用基于EQUISYM系统测量的不对称性指数的机器学习方法 (支持矢量机器) 对马的脚进行歧视

科学领域:

• 马类生物力学 马类生物力学
• 兽医诊断 兽医诊断 兽医诊断 兽医诊断
• 机器学习在动物健康中的应用.

背景情况:

• 检测马的是关键的福利和表现.
• 在马兽医实践中,轻度常常会带来诊断挑战.
• 客观的性评估需要先进的分析工具.

研究的目的:

• 开发一种使用支向量机器 (SVM) 的预测系统,用于识别马患有受影响的肢体.
• 分析惯性测量单位 (IMU) 的动力学数据,用于的分类.
• 评估SVM在探测步行过程中微妙的有效性.

主要方法:

• 从放置在287匹马 (256匹,31匹声音) 的头部,部和骨盆上的惯性测量单元 (IMU) 获取数据.
• 动力学变量的分析,包括垂直移位和收缩角度.
• 开发和验证支持向量机 (SVM) 模型用于的分类.

主要成果:

• 在SVM模型的使用中,SVM模型在的检测中实现了86%的整体准确性.
• 在右前肢和左前肢的检测中观察到最高的准确性.
• 挑战包括健康马的精度较低 (54.8%) 和一些前肢-后肢错误分类.

结论:

• SVM系统对客观的,非侵入性的马的检测非常有希望.
• 垂直的头部和腰部位移是准确的腿分类的关键变量.
• 未来的工作应该探索深度学习和传感器减少,用于集成的,早期的运动器官问题检测系统.