在体内估计胸和大腿肌肉重量,使用基于多图表的电脑断层扫描图像上的弹性注册

科学领域:

• 动物科学动物科学
• 生物技术是生物技术.
• 农业工程 农业工程

背景情况:

• 准确估计肉中有价值的肉部分对于优化家禽生产和市场价值至关重要.
• 传统的肉类产量评估方法可能具有破坏性和耗时性.
• 开发非侵入性,定量方法对于有效的畜牧管理至关重要.

研究的目的:

• 开发和验证一种自动化方法,用计算机断层扫描 (CT) 图像技术对肉中有价值的肉部位 (乳房和大腿肌肉) 进行定量评估.
• 为了比较不同回归分析技术的有效性,用于从CT数据中预测肌肉体重.

主要方法:

• 60只肉在10周大时接受了CT扫描.
• 图像细分使用多图表弹性注册进行.
• 特性提取生成了每个人256个特征.
• 应用了四种回归技术 (线性,PLS,拉索,) 与特征选择和k-fold交叉验证来估计大腿和乳腺肌肉重量.

主要成果:

• 特性选择显著提高了所有回归模型的预测准确性.
• 拉索和脊回归证明了估计乳腺和大腿肌肉体重的最高准确性.
• 具体的性能指标:乳房的拉索 (r2=0.993,RMSE=4.87g),乳房的脊 (r2=0.995,RMSE=4.03g),大腿的拉索 (r2=0.976,RMSE=2.94g) 和大腿的脊 (r2=0.965,RMSE=3.53g).

结论:

• 基于CT的自动化方法对于准确,定量评估肉肉类产量是有效的.
• 该研究强调了这种技术在家禽生产中广泛应用的潜力,以提高效率和可靠的评估.
• 选择的回归模型,特别是拉索和,为预测有价值的肉成分提供了强大的性能.