کاربرد هوش مصنوعی در تشخیص بیماری های اسکلتی در دام کوچک: مرور روایی مطالعات اخیر (۲۰۱۹–۲۰۲۵)

هوش مصنوعی (AI) و به ویژه یادگیری عمیق (Deep Learning) در سال های اخیر به ابزاری کلیدی در تصویربرداری دامپزشکی تبدیل شده اند. تشخیص بیماری های اسکلتی در حیوانات، به ویژه در سگ و گربه، با چالش هایی نظیر تفسیر ذهنی تصاویر رادیوگرافی و تفاوت های آناتومیکی میان نژادها همراه است. این مطالعه مروری با بررسی ۲۰ مقاله منتشرشده بین سال های ۲۰۱۹ تا ۲۰۲۵ به بررسی نقش و کارایی هوش مصنوعی در تشخیص بیماری های اسکلتی دامپزشکی می پردازد. یافته ها نشان می دهد که الگوریتم های مبتنی بر شبکه های عصبی کانولوشنی (CNN)، مدل های U-Net، EfficientNet و YOLO توانسته اند دقت تشخیص دیسپلازی مفصل ران، ضایعات و شکستگی های استخوانی، بیماری های آرنج و ستون فقرات را به طور چشمگیری افزایش دهند. علاوه بر این، استفاده از یادگیری انتقالی و داده سازی مصنوعی موجب کاهش نیاز به داده های بزرگ و بهبود تعمیم پذیری مدل ها شده است. در مجموع، هوش مصنوعی در مسیر تبدیل شدن به ابزار استاندارد در تشخیص بیماری های اسکلتی دامپزشکی قرار دارد، هرچند چالش هایی نظیر تفسیرپذیری، تنوع داده ها و اعتبارسنجی بالینی همچنان باقی است و تحقیقات و توسعه های مستمر برای عبور از این چالش ها لازم می باشد.

کلیدواژه ها:

هوش مصنوعی ، دامپزشکی ، بیماری های اسکلتی ، یادگیری عمیق ، دیسپلازی مفصل ران