- 9 次围观
寄生虫感染是孟加拉国畜牧业常见的健康问题之一。由于该国的气候条件、强季风降雨、农场生物安全水平较低以及高湿度，加之适宜媒介生物的存在，胃肠道寄生虫病在牛及其他家畜中仍然十分普遍。标准诊断方法是对粪便样本进行显微镜检查，但这依赖人工观察，耗时且容易产生人为错误，主要原因在于许多寄生虫卵外观彼此相似，而且样本中常含有易被误认为虫卵或包囊的污染物。本文尝试将 YOLOv8 深度学习模型应用于家畜粪便显微图像中寄生虫卵和包囊的自动检测。研究收集了临床病例图像，对其进行了标注，并在 Python 中使用批量大小 16、自动优化器、学习率 0.01、动量 0.937 和权重衰减 0.0005 对模型进行训练。训练使用 Google Colab 完成，并采用精确率、召回率、F1 分数、mAP50 和 mAP50-95 对模型进行评估。模型的精确率为 56%，召回率为 24%，F1 分数为 33.6%，mAP50 为 33%，mAP50-95 为 22%。相对较低的召回率和 F1 分数表明该模型仍存在较大局限性，主要由于物种特异性训练数据不足以及图像伪影的存在。数据集中某些寄生虫种类（如 Trichuris spp.）代表性不足也导致了类别不平衡，从而影响了模型对这些物种的可靠检测能力。尽管存在这些局限性，本研究表明 YOLOv8 架构在用于显微图像中寄生虫卵和包囊检测方面具有一定潜力，且随着更大规模、更均衡数据集的进一步工作，模型性能和在兽医诊断中的适用性有望得到提升。关键词：YOLOv8，家畜寄生虫，深度学习，显微图像分析，兽医诊断，孟加拉国
寄生虫感染是孟加拉国牲畜常见的健康问题之一。由于该国的气候条件、强季风降雨、农场生物安全水平较低以及高湿度，再加上适宜的媒介生物存在，胃肠道寄生虫病在牛和其他牲畜中仍然普遍存在。其标准诊断方法是对粪便样本进行显微镜检查，但这依赖于人工观察，既耗时又容易出现人为错误，主要原因在于许多寄生虫卵彼此形态相似，而且样本中常含有可能被误认为虫卵或囊体的污染物。
本研究尝试将 YOLOv8 深度学习模型应用于从牲畜粪便样本显微图像中自动检测寄生虫卵和囊体。临床病例图像被收集、标注，并用于在 Python 中训练模型，批量大小为 16，采用自动优化器，学习率为 0.01，动量为 0.937，权重衰减为 0.0005。训练在 Google Colab 上完成，模型使用 precision、recall、F1-score、mAP50 和 mAP50-95 进行评估。模型取得了 56% 的精确率、24% 的召回率、33.6% 的 F1-score、33% 的 mAP50 以及 22% 的 mAP50-95。相对较低的召回率和 F1-score 表明该模型仍存在较大局限，主要由于物种特异性训练数据不足以及图像伪影的存在。数据集中某些寄生虫种类（如 Trichuris spp.）的代表性不足也导致了类别不平衡，从而影响了模型对这些物种的可靠检测能力。尽管存在这些局限，本研究表明 YOLOv8 架构在从显微图像中检测寄生虫卵和囊体方面具有一定潜力，进一步使用更大且更均衡的数据集开展研究，可能会提升其在兽医诊断中的性能和适用性。
关键词：YOLOv8，牲畜寄生虫，深度学习，显微图像分析，兽医诊断，孟加拉国
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.21.746375v1?rss=1
🏷️ YOLOv8 家畜寄生虫 显微图像分析 虫卵检测 兽医诊断 深度学习