Survey on Machine Learning and Deep Learning Applications in Livestock and Biomedical Research
Cargando...
Fecha
Autores
Mejia Espitia, Julian Arturo
Director
Enlace al recurso
DOI
ORCID
Google Scholar
Cvlac
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Santo Tomás
Compartir
Documentos PDF
Descripción
El aprendizaje automático (ML) y el aprendizaje profundo (DL) han surgido como tecnologías transformadoras en la investigación ganadera y biomédica, permitiendo avances en la detección de enfermedades, la supervisión de la salud animal, la selección genética y la evaluación reproductiva. En la producción lechera, las técnicas de ML/DL han mejorado el diagnóstico temprano de la mastitis subclínica [9]; [19]; [48], la cojera [2]; [29]) y las enfermedades infecciosas en crías ([12]), ofreciendo alternativas no invasivas y rentables a los métodos tradicionales. Estas tecnologías también han mejorado las estrategias de predicción genómica, combinando el aprendizaje profundo con marcos genómicos BLUP ([21]; [33]) y proporcionando clasificadores explicables basados en la secuenciación del genoma completo ([19]). Además, el DL se ha aplicado con éxito a la identificación de ganado [3]; [28]; [41]), la monitorización del comportamiento alimentario [4]; [49]), la evaluación reproductiva de ovocitos bovinos ([34]; [5]) y la clasificación de la calidad de las canales ([20]; [17]; [23]). Más allá de la ganadería, la investigación biomédica se ha beneficiado del aprendizaje profundo en el campo de las imágenes médicas, la genómica y la vigilancia de enfermedades ([14]; [18]; [47]). A pesar de los notables avances, siguen existiendo retos en cuanto a la calidad de los datos, la generalización entre explotaciones, la interpretabilidad y las implicaciones éticas ([30]; [35]; [32]). Al integrar la IA con la ganadería de precisión y las prácticas biomédicas, la colaboración interdisciplinaria puede fomentar sistemas más sostenibles, precisos y orientados al bienestar.
Abstract
Machine learning (ML) and deep learning (DL) have emerged as transformative technologies across livestock and biomedical research, enabling advances in disease detection, animal health monitoring, genetic selection, and reproductive evaluation. In dairy production, ML/DL techniques have enhanced the early diagnosis of subclinical mastitis [9]; [19]; [48], lameness [2]; [29]), and infectious diseases in calves ([12]), offering non-invasive and cost-effective alternatives to traditional methods. These technologies have also improved genomic prediction strategies, combining deep learning with genomic BLUP frameworks ([21]; [33]) and providing explainable classifiers based on whole-genome sequencing ([19]). Furthermore, DL has been successfully applied to cattle identification [3]; [28]; [41]), feeding behavior monitoring [4]; [49]), reproductive assessment of bovine oocytes ([34]; [5], and carcass quality grading ([20]; [17]; [23]). Beyond livestock, biomedical research has benefited from DL in medical imaging, genomics, and disease surveillance ([14]; [18]; [47]). Despite remarkable progress, challenges remain in terms of data quality, generalization across farms, interpretability, and ethical implications ([30]; [35]; [32]). By integrating AI with precision livestock farming and biomedical practices, interdisciplinary collaboration can foster more sustainable, accurate, and welfare-oriented systems.
Idioma
spa
Palabras clave
Citación
Mejia Espitia, J. A. y Páez Casas, D. C (2025). Survey on Machine Learning and Deep Learning Applications in Livestock and Biomedical Research [Tesis de posgrado] Universidad Santo Tomás, Bucaramanga, Colombia
Colecciones
Licencia Creative Commons
Attribution-NonCommercial-NoDerivs 2.5 Colombia