实现快速,灵敏,用户友好,现场部署的人工智能工具,以提高非洲猪瘟的诊断和报告能力
Aliva Bakshi1, Jake Stetson1, Lihua Wang2
1Department of Computer Science, Carl R. Ice College of Engineering, Kansas State University, Manhattan, KS.
American journal of veterinary research
|March 1, 2025
概括
一个人工智能工具通过智能手机准确阅读侧流量测定 (LFA),提高了非洲猪瘟 (ASF) 诊断,改善了早期检测和报告.
科学领域:
- 兽医诊断 兽医诊断 兽医诊断 兽医诊断
- 动物健康中的人工智能
- 跨境动物疾病管理
背景情况:
- 非洲猪瘟 (ASF) 是一种高度传染性和致命的疾病,影响着全球猪群.
- 侧流量测试 (LFA) 对ASF诊断至关重要,但用户可能很难准确地解释.
- 需要改进,用户友好的诊断工具,以快速检测ASF.
研究的目的:
- 开发和实施人工智能驱动的工具,以提高ASF的LFA解释的准确性.
- 使用人工智能提高ASF诊断和报告的速度和可靠性.
- 创建基于智能手机的诊断解决方案,用于在需要时检测ASF.
主要方法:
- 使用You Only Look Once (YOLO) 进行深度学习模型的开发,用于LFA的图像分类.
- 培训和评估YOLO模型的数据集标记的积极和消极的LFA图像.
- 在地图上创建一个原型的JavaScript网站应用程序,用于ASF报告和可视化.
主要成果:
- 人工智能工具的平均精度为86.3 ± 7.9%,平均F1得分为0.87 ± 0.088.
- 获得了高平均精度 (96.3 ± 2.04%) 和回忆 (79 ± 13.20%).
- 该应用程序在用户提交后成功地在地图上可视化了积极的ASF病例位置.
结论:
- 深度学习工具与临床数据学习相结合,可以提供更准确的需求点测试.
- 开发的AI工具快速,灵敏,用户友好,可用于ASF诊断.
- 在资源有限的环境中,这种技术对于早期疾病检测和控制特别有价值.
