使用基于机器学习的图像处理算法对公牛生殖组织进行自动彩色多普勒超声波分析

科学领域:

• 兽医医学 兽医医学 兽医医学
• 生物医学工程 生物医学工程
• 医疗成像医学成像

背景情况:

• 彩色多普勒超声波对于评估组织输液至关重要.
• 目前用于多普勒图像的分析方法是主观和低效的.
• 需要对丸血管功能的客观和快速分析.

研究的目的:

• 开发和验证一种新的算法,用于分析公牛的丸和状的颜色多普勒图像.
• 将算法的性能与传统分析方法进行比较.
• 确定自动化方法的可靠性和效率.

主要方法:

• 开发一种基于Python的算法 (3.10版本),用于分析2304个彩色多普勒图像.
• 算法分析与传统方法 (像素分离和计数) 的比较.
• 使用确定系数 (R2),皮尔森相关性和布兰德-阿尔特曼分析进行统计验证.

主要成果:

• 与传统方法相比,该算法显示出高的确定系数 (R2:0.84-0.99,p < 0.001) 和皮尔森相关系数 (0.92-0.99,p < 0.001).
• 处理速度大大降低,仅在0.14秒内分析了270张图像.
• 布兰德-阿尔特曼分析证实了算法和传统技术之间的强烈一致.

结论:

• 开发的算法提供了可靠和一致的结果,用于评估丸和松状结质血管功能.
• 与传统方法相比,算法方法可以显著减少处理时间.
• 这种自动化方法是兽医超声波分析中传统技术的可行和有效替代品.