计算机视觉用于自动检测猪肺中的不同病变的应用:一项探索性研究

科学领域:

• 兽医病理学 兽医病理学
• 人工智能的人工智能是人工智能.
• 计算机视觉 计算机视觉 计算机视觉

背景情况:

• 准确的猪肺病变分类对于疾病诊断和管理至关重要.
• 手动解剖评估面临的挑战是由于屠宰速度很快和不一致的评价者间协议.
• 计算机视觉 (CV) 为自动肺病变检测提供了一个潜在的解决方案.

研究的目的:

• 训练和评估商业CV模型,用于对猪肺部的解剖结构和病变进行细分.
• 评估使用数字成像用于在屠宰场实时检测肺病理的可行性.

主要方法:

• 在屠宰后收集和拍摄了1742个猪肺.
• 两名专家兽医手动注释图像,识别解剖学,病理学和文物特征.
• 训练并测试了使用注释图像作为参考数据集的简历模型.

主要成果:

• 根据信心值,CV模型的性能有所不同,灵敏度在36%-84%之间,积极预测值在62%-93%之间.
• 解剖结构的细分通常优于病变检测.
• 不完美但可以改进的性能表明了改进的潜力.

结论:

• CV有望提高猪肺病变分类的准确性和效率.
• 自动化数字成像可以加强呼吸系统疾病监测,并提供来自屠宰场的有价值的流行病学数据.
• 需要进一步发展,以克服阶级不平衡和病理复杂性等挑战,以实现最佳的病变检测.