Enfoque de Aprendizaje Automático para el Diagnóstico Temprano de Mastitis en Lactancia Usando Cuentas Totales y Diferenciales de Células Somáticas
Autores: Zecconi, Alfonso; Zaghen, Francesca; Meroni, Gabriele; Sommariva, Flavio; Ferrari, Silvio; Sora, Valerio
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Enfoque de Aprendizaje Automático para el Diagnóstico Temprano de Mastitis en Lactancia Usando Cuentas Totales y Diferenciales de Células Somáticas
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Zootecnia
Palabras clave
Desarrollo
Tecnologías
Producción de leche
Datos
Información
Aprendizaje automático
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 8
Citaciones: Sin citaciones
El desarrollo de nuevas tecnologías en muchas áreas, incluida la producción de leche, ha aumentado significativamente la cantidad de datos disponibles y la necesidad de extraer información útil de estos datos para mejorar la eficiencia de la producción. Este documento informa sobre los resultados de la aplicación del aprendizaje automático para detectar vacas en riesgo de infecciones intramamarias causadas por patógenos importantes, basándose en el recuento total y diferencial de células somáticas. Los resultados confirman que estos marcadores son útiles para identificar vacas infectadas y que el enfoque de aprendizaje automático compara de manera eficiente la precisión del diagnóstico.
Descripción
El desarrollo de nuevas tecnologías en muchas áreas, incluida la producción de leche, ha aumentado significativamente la cantidad de datos disponibles y la necesidad de extraer información útil de estos datos para mejorar la eficiencia de la producción. Este documento informa sobre los resultados de la aplicación del aprendizaje automático para detectar vacas en riesgo de infecciones intramamarias causadas por patógenos importantes, basándose en el recuento total y diferencial de células somáticas. Los resultados confirman que estos marcadores son útiles para identificar vacas infectadas y que el enfoque de aprendizaje automático compara de manera eficiente la precisión del diagnóstico.