Машинне навчання може покращити діагностику маститних інфекцій у Росії
Застереження: Ця сторінка є автоматичним перекладом цієї сторінки спочатку англійською мовою. Зверніть увагу, оскільки переклади створюються машинно, не всі переклади будуть ідеальними. Цей веб-сайт та його веб-сторінки призначені для читання англійською мовою. Будь-який переклад цього веб-сайту та його веб-сторінок може бути неточним і неточним, повністю або частково. Цей переклад подано на практиці.
Нове дослідження, опубліковане зараз у наукових звітах, показало, що машинне навчання може збільшити та покращити здатність ветеринара точно діагностувати походження стадного маститу та зменшити рівень маститу на молочних фермах.
Мастит - надзвичайно дорога ендемічна хвороба молочних стад, вартість якої у Великобританії становить близько 170 мільйонів фунтів стерлінгів. Життєво важливим першим кроком у боротьбі з маститом є визначення, звідки походять збудники маститу; чи бактерії походять із середовища корів, чи це заразно поширюється доїльним залом ?
Цей діагноз зазвичай проводить ветеринар, аналізуючи характеристики молочної ферми, і є наріжним каменем широко використовуваного режиму боротьби з маститом (AHDB) у сільському господарстві та садівництві, однак для цього потрібен час.
Широко використовуються алгоритми машинного навчання - від фільтрації спаму до електронних листів та пропонування фільмів Netflix до конкретної категорії раку шкіри. Ці алгоритми мають справу з діагностичними проблемами, як це може зробити лікар-стажист або ветеринар; дізнатися характеристики статуї та застосовувати їх до нових пацієнтів.
Це дослідження, яким керував ветеринарний лікар і дослідник Роберт Хайд зі Школи ветеринарної медицини та науки при Університеті Ноттінгема, має на меті створити робототехнічний діагностичний інструмент для діагностики походження маститів на стадній стадії, що є важливим першим кроком AHDB Схема контролю маститу.
Мастит, характерний для 1000 стад, вводили протягом декількох тримісячних періодів. Алгоритми машинного навчання використовувались для класифікації походження стадного маститу та з експертною діагностикою спеціалістом-ветеринаром.
Алгоритми машинного навчання змогли досягти точності 98% для навколишнього та контагіозного маститів, а 78% - для ступеня лактації порівняно із сухим екологічним маститом порівняно з діагнозом.
Мастит є величезною проблемою для молочних фермерів як в економічному плані, так і з точки зору соціальної допомоги. У нашому дослідженні ми довели, що алгоритми машинного навчання можуть точно діагностувати походження цього стану на молочних фермах. Діагностичний інструмент такого роду має великий потенціал у галузі для вирішення цього стану та надання допомоги ветеринарним лікарям шляхом швидкого діагностування походження маститу на рівні стада з метою здійснення оперативних заходів боротьби з хворобою, яка надзвичайно шкідлива з точки зору здоров'я тварин, продуктивності, соціальної підтримки та використання антимікробних препаратів. "