Techniki diagnostyczne (EUS) wykorzystujące sztuczną inteligencję i uczenie maszynowe

Epizootyczny zespół owrzodzenia (EUS) jest krytyczną chorobą która dotyka ryby słodkowodne charakteryzującą się wrzodziejącymi zmianami i podwyższonym wskaźnikiem śmiertelności a tym samym szkodzi firmom akwakultury na całym świecie. Terminowa i precyzyjna identyfikacja ma kluczowe znaczenie dla powstrzymania rozprzestrzeniania się EUS i złagodzenia szkód finansowych. Konwencjonalne techniki w tym inspekcja oka i analiza histopatologiczna są zwykle pracochłonne kosztowne i mogą wykazywać niewystarczającą czułość. Metodologie sztucznej inteligencji (AI) w szczególności modele uczenia maszynowego i głębokiego uczenia zapewniają skuteczne rozwiązania w zakresie szybkiej i precyzyjnej identyfikacji EUS poprzez analizę zdjęć danych środowiskowych i wzorców związanych z epidemią. Niniejsze badania badają wykorzystanie metodologii AI do wykrywania EUS u ryb słodkowodnych kładąc nacisk na techniki precyzję modelu i praktyczne konsekwencje. Nasze badania wskazują że sztuczna inteligencja zwiększa wykrywalność EUS ułatwiając skuteczniejszą kontrolę chorób w akwakulturze.