相关实验视频
Updated: May 6, 2026

09:53
In vivo Imaging of Transgenic Leishmania Parasites in a Live Host
Published on: July 27, 2010
16.1K
使用VOC分析和分布式兽医基础设施进行犬类莱什曼病的非侵入性诊断平台
Marius Iulian Mihailescu1, Violeta Elena Simion2, Alexandra Ursachi2
1Faculty of Engineering and Computer Science, SPIRU HARET University, 47 Fabricii Street, 076144 Bucharest, Romania.
Veterinary sciences
|August 28, 2025
概括
这项研究引入了一种新的软件架构,用于使用人工智能和气体传感器检测狗的呼吸和毛发中的疾病生物标志物. 早期发现寄生虫有助于诊断,治疗和预防传播.
科学领域:
- 动物医学
- 计算生物学
- 环境科学
背景情况:
- 狗病对狗的健康构成重大风险,并且可以传染给人类.
- 目前的诊断方法可能是侵入性的,可能无法在早期发现疾病.
- 鉴定特定疾病的挥发性有机化合物 (VOC) 是一种潜在的非侵入性诊断方法.
研究的目的:
- 开发和描述一种新的软件架构,用于非侵入性检测犬类莱什曼病.
- 整合气体传感技术,人工智能和基于云的软件来识别疾病.
- 能够在所有感染阶段及早发现寄生虫.
主要方法:
- 设计了一个多层软件架构,包括数据收集,预处理和机器学习 (ML) 分析.
- 使用气体检测技术检测狗的呼吸和毛发样本中的VOC.
- 该平台集成到一个网站插件中,为兽医,研究人员和物主人提供用户界面.
主要成果:
- 拟议的平台成功地整合了用于犬病检测的多种组件.
- 该系统旨在识别特定疾病的VOC,以促进非侵入性诊断.
- 该架构支持各种用户角色,增强可访问性和实用性.
结论:
- 开发的软件架构为非侵入性犬病雷什曼病检测提供了强大的框架.
- 早期识别传染性寄生虫对于有效的疾病管理和控制至关重要.
- 这种基于人工智能的传感器方法代表了兽医诊断的重大进步.
更多相关视频
07:40Field Postmortem Rabies Rapid Immunochromatographic Diagnostic Test for Resource-Limited Settings with Further Molecular Applications
Published on: June 29, 2020
13.7K
05:55In Vivo Imaging of Leishmania infantum-infected Hamsters by Gingival Inoculation of Axenic Amastigotes Expressing Luciferase
Published on: April 4, 2025
383