在深度学习中使用形态学priors区分块性皮肤疾病和外套图案
Lili Bai1, Chaopeng Guo1, Zhe Zhang1
1Software College, Northeastern University, Shenyang, 110819, China.
Veterinary journal (London, England : 1997)
|March 4, 2026
概括
一种新的图像分析模型有助于在牛中早期检测皮肤块性皮肤病 (LSD). 该工具有助于识别农场的潜在病变,改善对这种昂贵疾病的监测和控制措施.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 计算机视觉 计算机视觉
- 动物卫生 动物健康
背景情况:
- 结节性皮肤病 (LSD) 是一种严重的跨境牛病,造成经济损失.
- 由于细微或隐蔽的病变,在农场中早期检测LSD很困难.
- 移动技术为基于图像的疾病查提供了潜力.
研究的目的:
- 开发一种形态驱动的图像分析模型,用于在牛群中检测块性皮肤病 (LSDD).
- 创建一个工具,以协助在农场早期对牛进行LSD兼容病变的查.
主要方法:
- 开发了一种基于形态的图像分析模型 (LSDD),包含了纹理改进和形态一致性模块.
- 使用反映不同农场条件的数据集训练和测试模型,包括不同的照明和外衣图案.
- 该系统提供了"健康"或"损伤"的图像级分类.
主要成果:
- LSDD模型有效地突出了微妙的结节,并抑制了背景噪声.
- 它区分圆形/集群病变和长长的外套标记.
- 广泛的实验证明了该模型在各种农场条件下的实用性.
结论:
- LSDD模型作为一种实际的,形态驱动的查辅助工具,用于群体层面的监测.
- 它支持早期识别具有与LSD相容的病变的动物.
- 该工具增强了农场内的监测,并促进了及时实施控制措施.
