使用光学连贯性断层扫描和深度学习进行自动化子性别确定
Jadsada Saetiew1, Papawit Nongkhunsan1, Jiraporn Saenjae1
1School of Physics, Institute of Science, Suranaree University of Technology, 111 University Avenue, Muang, Nakhon ratchasima 30000, Thailand.
Poultry science
|March 19, 2025
概括
这项研究介绍了一种使用光学连贯断层扫描 (OCT) 和深度学习的新型,非侵入性生殖方法. 定制模型实现了79%的准确性,为传统的劳动密集型技术提供了可扩展的替代方案.
科学领域:
- 禽畜科学 禽畜科学 禽畜科学
- 生物医学工程 生物医学工程
- 机器学习 机器学习
背景情况:
- 传统的小性化方法 (通风性化,超声波) 是劳动密集型的,需要专家技能.
- 现有的技术缺乏精确,非侵入性性别确定的分辨率.
- 优化家禽生产需要有效和准确的小性别.
研究的目的:
- 开发一种高分辨率的,使用光学连贯断层扫描 (OCT) 和深度学习的非侵入性生殖方法.
- 创建一个定制的深度学习模型,优化了OCT数据,以提高分类准确性.
- 建立一个可扩展的,实时的替代方案,以专家依赖的手动性别.
主要方法:
- 整合光学连贯断层扫描 (OCT) 用于微米尺度可视化内部沟结构.
- 开发一个定制的卷积神经网络 (CNN),适用于海外国家和地区的数据.
- 在CNN架构中实现了不对称的图像大小调整和增强的特征提取.
主要成果:
- 定制的CNN模型在的性别分类中实现了79%的准确性.
- 开发的模型显著超过了Inception (63%) 和VGG-16 (74%) 等标准架构.
- 证明了基于OCT可视化的内部解剖学标记来区分性别的可行性.
结论:
- 新型的OCT和深度学习方法提供了一个精确的,非侵入性的方法来实现自动化的性别.
- 这项技术提供了一个可扩展和高效的替代传统,劳动密集型的性别分类方法.
- 有潜力减少商业化场对熟练劳动力的依赖,提高整个家禽生产效率.
更多相关视频
03:35Determining Gender-Based Differences in Retinal and Choroidal Thickness in Underweight Individuals via Swept-Source Optical Coherence Tomography
Published on: December 1, 2023
241
05:51Author Spotlight: Non-Contact Measurement of Tissue Mechanics in Live Chick Embryos Using Brillouin Microscopy
Published on: November 10, 2023
649
