使用彩色超声技术和机器学习方法预测肉牛母犊人工授精后19天的妊娠状态

本研究利用彩色超声和随机森林分类器，开发肉牛人工授精后19天妊娠预测模型。通过分析黄体特征及激素水平，建立完整和简化模型，结果显示简化模型准确率78%、灵敏度87.5%、AUC 0.95，验证了机器学习在畜牧精准养殖中的应用价值。

　　

摘要

本文旨在利用彩色超声技术和机器学习方法，开发一种用于预测肉牛母牛人工授精后19天妊娠状态的模型。研究共纳入了100头母牛，在实验第0天对它们进行了定时人工授精。同时测量了它们的活体重、体况评分、子宫直径以及雌二醇和孕酮浓度。在第19天，进一步检测了黄体的存在与面积、黄体腔的面积、雌二醇和孕酮浓度，以及黄体的血管化程度和血流量。妊娠诊断在实验第35天进行。为了评估模型的预测能力，我们采用了随机森林分类器（Random Forest Classifier）这一机器学习方法。研究评估了两种模型：完整模型和简化模型。模型性能通过准确性、特异性、敏感性、精确度、误差率以及接收者操作特征曲线下面积（AUC）来量化。完整模型的准确率为75.3%，敏感性为82.5%，特异性为66.6%，精确度为75%，误差率为24.6%，AUC为0.97；简化模型的准确率为78%，敏感性为87.5%，特异性为66.6%，精确度为76%，误差率为21.9%，AUC为0.95。总体而言，所开发的模型能够较为准确地预测妊娠状态。尽管这些结果仍属于初步研究，需要通过扩大样本规模和外部验证来进一步确认，但它们展示了将机器学习技术、精准畜牧业以及计算分析应用于牛繁殖领域的价值。