使用由生成人工智能创建的合成图像进行布尔道克狭窄度分类
Gustavo da Silva Andrade1, Gabriel Toshio Hirokawa Higa2, Jarbas Felipe da Silva Ribeiro2
1Universidade Federal de Mato Grosso do Sul, Campo Grande, Brazil. gustavo.s.andrade@ufms.br.
Scientific reports
|March 22, 2025
概括
这项研究创建了一个人工智能模型来诊断 buldog 的鼻狭窄. 深度学习方法实现了人类水平的准确性,有助于更好的治疗和动物福利.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 人工智能的人工智能
- 动物解剖学 动物解剖学
背景情况:
- 鼻狭窄显著影响 buldog 的生活质量.
- 早期诊断对于有效治疗这种疾病至关重要.
研究的目的:
- 开发一种自动化的深度学习模型,用于分类 buldog 鼻腔狭窄症的严重程度.
- 将模型的诊断性能与训练有素的兽医解剖学家进行比较.
主要方法:
- 利用了1020个布尔多克鼻孔图像的数据集,包括真实和人工智能生成的样本.
- 测试了五种神经网络架构,其中DenseNet201显示了最高的性能.
- 评估模型准确性与人类专家诊断相比.
主要成果:
- 在DenseNet201中,F的中位数为54.04%.
- 深度学习模型的准确性和可靠性与人类评价者相比相当.
- 人工智能模型的性能显示出临床应用的潜力.
结论:
- 自动化的深度学习模型可以实现人类水平的诊断性能,用于犬鼻缩.
- 这项技术可以提高诊断速度和准确性,改善治疗计划.
- 该研究强调了人工智能在推进兽医护理和动物福利方面的潜力.
