对基于人工智能的计数系统 (OvaCyteTM) 和麦克马斯特计数方法进行比较评估,用于量化羊便中的强基卵

科学领域:

• 兽医寄生虫学 兽医寄生虫学
• 人工智能在诊断中的应用
• 羊的健康管理和管理

背景情况:

• 精确的 Strongyle 蛋在绵羊便精确计数对于有效的寄生虫控制至关重要.
• 麦克马斯特方法 (MM) 是一种标准技术,但它的准确性和精度可能是可变的.
• 需要新的诊断技术来改善牲畜中的寄生虫检测.

研究的目的:

• 为了比较基于人工智能的技术OvaCyteTM (OC) 与麦克马斯特方法 (MM) 的性能,用于在绵羊便中计算强基卵.
• 在实验和现场环境中评估OC的准确性,精度和灵敏度.
• 为了确定强基卵数量OC和MM之间的相关性.

主要方法:

• 进行了两项实验,使用不同度的纯Haemonchus contortus蛋.
• 用OvaCyteTM (扩展模式和标准模式) 和麦克马斯特方法并行处理便样本.
• 对自然感染的绵羊便样本进行了分析,以评估现实世界的表现.
• 统计分析包括准确性,精度 (变量系数) 和相关性 (r值).

主要成果:

• 与麦克马斯特方法 (平均45%) 相比,OvaCyteTM在实验环境中显示出更高的准确性 (平均72%) 和精度 (CV5.6-40%).
• 在实地研究中,OC发现了比MM更高比例的卵阳性样本.
• 在实验 (r=0.98) 和现场样本 (r=0.93) 中观察到OC和MM之间的强烈正相关性.
• 虽然这两种方法都显示出变化,但OC始终提供了更好的精度和检测率.

结论:

• OvaCyteTM是一款基于人工智能的高准确性和精确性工具,用于在绵羊便中计算强基卵.
• 与麦克马斯特方法相比,OC显示了在羊群中检测寄生虫感染的潜力.
• 对人工智能模型的进一步改进可能会解决当前的局限性,并增强诊断能力.