基于XGBoost算法，根据小肠形态对孵化期间使用的不同光照颜色进行分类

《BMC Veterinary Research》：Classification of different light colors applied during the incubation period based on small intestine morphology with XGBoost algorithm

　　

摘要

背景

光是影响孵化过程中胚胎发育的重要环境因素，已知不同波长的光会对孵化效果和孵化后生理特征产生不同的影响。然而，目前尚不清楚孵化过程中使用不同颜色的光对雏鸡小肠形态的影响程度是否能够被有效分类。因此，本研究的目的是利用XGBoost算法，根据雏鸡小肠的形态特征，评估不同颜色光（红色、白色和绿色）在孵化过程中的可分类性。

方法

将受精卵分别置于红色、绿色、白色或黑暗条件下进行孵化。孵化后，取出雏鸡的小肠并将其分为十二指肠、空肠和回肠。使用苏木精和伊红对十二指肠、空肠和回肠的绒毛特征进行染色，并通过图像分析程序进行观察。从十二指肠、空肠和回肠获取的绒毛高度、隐窝深度及相应的形态学参数作为分类输入。

结果

通过尝试不同的超参数组合对XGBoost模型进行训练，最终发现当max_depth=5、eta=0.1、nrounds=100时模型性能最佳。经过5折交叉验证优化后，该模型在独立测试集中的分类准确率为78.95%。模型的宏观精确度、宏观召回率和宏观F1分数分别为0.7896、0.7930和0.7878。这些结果表明，孵化过程中使用的不同颜色光会导致雏鸡小肠形态发生可识别的结构变化，这些差异为利用机器学习方法进行分类提供了良好的潜力。

结论

这些发现表明，肠道组织形态学不仅具有评估生物学效应的潜力，而且可以作为基于机器学习的方法来确定孵化光照条件的有效生物标志物。研究表明，利用预测模型来解释孵化光照的生物学效应，可以为可持续的家禽生产提供重要的工具。