根据皮利布伊羊的身体状况得分和血液学参数,使用支持矢量机算法的FAMACHA©分数的分类
Oswaldo Margarito Torres-Chable1, Cem Tırınk2, Rosa Inés Parra-Cortés3
1Division Académica de Ciencias Agropecuarias, Universidad Juárez Autónoma de Tabasco, Carr. Villahermosa-Teapa, km 25, Villahermosa CP 86280, Tabasco, Mexico.
Animals : an open access journal from MDPI
|March 13, 2025
概括
支持载体机器 (SVM) 有效地分类FAMACHA©得分,用于诊断动物中的寄生虫感染. 虽然对大多数分数准确,但SVM需要改进2类估计.
科学领域:
- 兽医流行病学 兽医流行病学
- 计算生物学 计算生物学
- 寄生虫学的寄生虫学
背景情况:
- 在管理动物寄生虫感染方面,FAMACHA®评分系统至关重要.
- 准确的FAMACHA©分数分类有助于早期诊断和治疗.
- 评估用于FAMACHA©评分估计的计算模型对于提高诊断准确性至关重要.
研究的目的:
- 评估支持矢量机器 (SVM) 在分类FAMACHA©分数中的性能.
- 通过FAMACHA©评分来评估SVM用于估计寄生虫负载的准确性和可靠性.
- 确定FAMACHA©分数分类的SVM模型性能需要改进的领域.
主要方法:
- 使用支持矢量机器 (SVM) 来对FAMACHA©分数进行分类.
- 使用包括灵敏度,特异性和预测值在内的指标分析模型性能.
- 在不同的FAMACHA©分数类 (1,2,3) 中调查了SVM准确性.
主要成果:
- SVM模型对FAMACHA©第1类和第3类表现出高灵敏度和特异性.
- 对于FAMACHA© 2级,模型性能相对较低.
- 获得了97.26%的高整体准确率和0.9588.8的kappa值.
结论:
- 支持载体机器 (SVM) 是FAMACHA©在兽医流行病学中的评分估计的可靠工具.
- SVM模型显示了改善寄生虫感染的诊断和管理的巨大潜力.
- 需要对SVM模型进行进一步的改进,以提高所有FAMACHA©分数类的分类准确性,特别是2.
