A gépi tanulás javíthatja a mastitis fertőzések diagnosztizálását
Jogi nyilatkozat: Ez az oldal az oldal eredeti fordításának eredeti fordítása. Felhívjuk figyelmét, hogy mivel a fordításokat géppel generálják, nem minden fordítás lesz tökéletes. Ezt a weboldalt és weblapjait angol nyelven kívánják olvasni. A webhely és weboldalainak fordítása részben vagy egészben pontatlan és pontatlan lehet. Ezt a fordítást egy gyakorlat biztosítja.
Az új tanulmány, amelyet most publikáltak a Scientific Reports-ban, megállapította, hogy a gépi tanulás növelheti és javíthatja az állatorvos képességét az állomány tőgygyulladásának eredetének pontos diagnosztizálására és a tőgygyulladások szintjének csökkentésére.
A tőgygyulladás a tejelő állományok rendkívül költséges endémiás betegsége, az Egyesült Királyságban körülbelül 170 millió fontba kerül. A tőgygyulladás leküzdésének létfontosságú első lépése annak azonosítása, hogy a tőgygyulladást okozó kórokozók honnan származnak; a baktériumok a tehenek környezetéből származnak-e, vagy fertőző-e a fejőház terjesztése? ?
Ezt a diagnózist általában egy állatorvos végzi a tejgazdaság jellemzőinek elemzésével, és ez a mezőgazdaság és a kertészet széles körben alkalmazott fejlesztői testületi tőgygyulladás-ellenőrzési (AHDB) rendszerének sarokköve, azonban ez időbe telik.
A gépi tanulás algoritmusait széles körben használják, a spamszűrőktől és a Netflix filmek javaslatától kezdve a bőrrák meghatározott kategóriájáig. Ezek az algoritmusok olyan diagnosztikai problémákkal foglalkoznak, mint egy orvos vagy állatorvos gyakornok; megtanulják a szobor jellemzőit és alkalmazzák azokat új betegeknél.