使用人工智能检测狗外耳道病变

科学领域:

• 兽医皮肤病学 兽医皮肤病学
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 对狗外耳炎的准确诊断具有挑战性,但对于有效治疗至关重要.
• 人工智能 (AI) 提供了一个有前途的诊断辅助工具,但目前在兽医耳科中没有这样的工具.
• 这项研究引入了一种新的AI应用程序,用于对狗耳道进行评估.

研究的目的:

• 开发和评估YOLOv5物体检测模型,用于识别健康的耳道,耳炎或狗群体.
• 作为人工智能驱动的兽医皮肤病工具的概念验证.
• 评估数据集组成对模型性能的影响.

主要方法:

• 训练了四种YOLOv5模型变体,使用不同的狗耳道图像数据集 (健康,耳炎,群体).
• 使用F1/信心曲线,平均平均精度 (mAP50),精度 (P),回忆 (R) 和平均精度 (AP) 等指标来评估性能.
• 分析了数据重复和数据集大小对模型准确性的影响.

主要成果:

• 所有受过训练的YOLOv5变种都成功检测并分类了狗耳道疾病.
• 有显著重复的数据集导致由于数据泄露而导致性能指标膨胀.
• 没有重复的较大数据集与较小的无重复数据集相比,表现出更高的性能.

结论:

• 开发的AI物体检测模型显示了兽医皮肤病应用的潜力.
• 该研究强调了高质量,多样化的培训数据对人工智能模型有效性的重要性.
• 在临床实施该AI工具之前,需要进一步的外部验证.