用于兽医解剖诊断的最先进人工智能框架和模型

《Annals of Anatomy - Anatomischer Anzeiger》:State-of-the-art artificial intelligence frameworks and models for diagnostic veterinary anatomy

【字体: 大 中 小 】 时间:2026年10月13日 来源:Annals of Anatomy - Anatomischer Anzeiger 1.7

编辑推荐:

  **摘要** **背景** 人工智能(AI)越来越多地被应用于兽医解剖学诊断中,以辅助医学图像的解释、解剖结构分割、疾病识别以及定量形态测量。然而,针对这一领域的具体证据仍然零散,特别是在各个AI框架的性能、验证方法及其对兽医解剖学诊断的实际相关性方面。 **目的**

  **摘要**

**背景**
人工智能(AI)越来越多地被应用于兽医解剖学诊断中,以辅助医学图像的解释、解剖结构分割、疾病识别以及定量形态测量。然而,针对这一领域的具体证据仍然零散,特别是在各个AI框架的性能、验证方法及其对兽医解剖学诊断的实际相关性方面。

**目的**
本综述批判性地分析了当前应用于兽医解剖学诊断的AI框架和模型。特别关注了这些方法的工作原理、应用领域、报告的诊断性能、主要优缺点、验证程度以及仍需研究的方面。

**方法**
通过搜索PubMed和Scopus文献,确定了相关研究,并评估了这些研究以了解AI辅助兽医解剖学诊断的最新进展。经过筛选和资格评估后,最终选取了45篇原始研究进行综合分析。综述涵盖了卷积神经网络、基于Vision Transformer的方法、分割框架、目标检测模型、生成模型、自监督学习方法以及其他用于兽医诊断和解剖任务的AI技术。

**结果**
在X光、计算机断层扫描(CT)、磁共振成像(MRI)、超声波、组织病理学等各种解剖成像环境中,多项研究表明AI方法具有较高的内部性能。这些研究涉及图像分类、解剖结构分割与定位、目标检测、定量形态测量、疾病检测、解剖结构识别和图像增强等方面。然而,不同研究在物种、数据集规模、设计方法、性能指标和验证策略上存在显著差异。虽然某些模型在开发使用时表现出色,但独立的外部测试和前瞻性临床评估较为少见。

**结论**
人工智能在研究和临床环境中都有明显的潜力支持兽医解剖学诊断。然而,要实现更广泛的临床应用,需要更大且更具代表性的数据集、一致的验证程序、可解释的方法、独立的外部评估以及前瞻性临床研究。在多模态学习和经临床验证的模型方面取得进一步进展,可能使AI在兽医解剖学诊断和精准兽医医学中发挥更大作用。

**1. 引言**
兽医解剖学诊断是诊断、治疗、手术和兽医教育的基础(R.K. Choudhary, 2026)。多年来,解剖学家和兽医放射科医师一直利用他们的解剖学知识和专业技能来解读X光片、超声波图像、CT、MRI等医学图像。横截面和三维成像技术的进步进一步改善了不同动物物种复杂解剖结构的可视化和评估(Nomir et al., 2024)。然而,随着成像数据量的增加、对客观图像解释需求的增长以及解剖结构的复杂性,迫切需要更精确、可重复和自动化的图像分析和诊断方法(Hosny et al., 2018)。在人类医学成像领域,深度学习方法已被应用于图像配准、解剖和细胞结构检测、组织分割以及计算机辅助的疾病诊断和预后(Shen et al., 2017)。一项系统综述和meta分析发现,深度学习系统的诊断性能可与医疗专业人员相当,尽管经过外部验证的研究和明确的直接比较仍然有限(Liu et al., 2019)。
虽然AI在兽医医学和诊断成像领域已有广泛研究,但针对兽医解剖学诊断应用的AI框架、架构和模型的详细批判性评估仍较为缺乏。包括基于Transformer的架构、自动化分割框架、自监督学习和生成AI技术在内的新方法,也需从兽医应用角度评估其诊断性能和验证程度(Burti et al., 2024)。

基于此背景,本文批判性地回顾了目前用于兽医解剖学诊断的AI框架和模型,重点关注其在解剖图像分析中的应用、诊断性能、优缺点及未来研究需求。现有证据根据临床或解剖任务、动物物种、成像方式、数据集特征、验证水平以及临床转化潜力进行了分析。来自人类医学成像或非解剖学应用的证据与直接相关的兽医解剖学研究区分开来。本综述旨在为兽医解剖学家、临床医师和对该领域感兴趣的科研人员提供实用参考。

**2. 方法论**
2026年3月至7月15日期间进行了文献搜索,并于2026年8月20日进行了更新,使用了PubMed和Scopus。搜索词结合了人工智能、机器学习、深度学习、兽医物种、诊断成像、解剖学、分类、分割、检测、定位和形态测量等概念;完整的数据库特定搜索字符串见表1。原始研究文章、相关会议论文和明确报道与兽医或动物解剖学诊断相关的预印本被纳入分析范围,而综述、社论、信件、仅针对人类的研究、无关的或非解剖学的兽医AI应用以及信息不足的研究被排除在外。

**表1. 用于识别兽医解剖学诊断中AI研究的数据库搜索策略**
| 数据库 | 完整搜索字符串 | 检索结果(PubMed) | 检索结果(Scopus) |
|--------|-------------|-------------|-------------|
| PubMed | "人工智能" OR "机器学习" OR "深度学习" OR "卷积神经网络" OR CNN OR YOLO OR ResNet OR DenseNet OR U-Net OR "Mask R-CNN" OR "自监督学习" | 1024 | |
| Scopus | "人工智能" OR "机器学习" OR "深度学习" OR "卷积神经网络" OR CNN OR YOLO OR ResNet OR DenseNet OR U-Net OR "Mask R-CNN" OR "自监督学习" | 496 | |

搜索共返回1520条记录,其中1024条来自PubMed,496条来自Scopus。去除重复项后,通过标题和摘要筛选出1196条记录,最终排除1031条,剩余165条报告进行了全文评估。具体研究包括:

| 研究文章 | 物种 | 成像方式 | AI模型/方法 | 数据集/样本量 | 诊断/解剖任务 | 性能与验证 | 参考文献 |
|--------|------|---------|------------|-----------|-------|-------------|
| GoogLeNet CNN with transfer learning | 犬 | MRI | 区分犬脑膜瘤和胶质瘤 | 80例(2个机构) | T1增强后准确率94%,T1增强前准确率91%,T2增强后准确率90%;MCC分别为0.88、0.81和0.80 | Banzato et al., (2018a) |
| Use of transfer learning | 犬 | B-mode超声 | 检测犬弥漫性退行性肝病 | 52只犬 | AUC 0.91,敏感性100%,特异性82.8%(以组织病理学为参考标准) | Banzato et al., (2018b) |
| LeNet-based CNN | 犬 | 组织病理学 | 分类有丝分裂细胞 | 超过小数据集的潜力 | | Krappmann et al., (2018) |
| ResNet-50 | 犬 | 胸部X光 | 自动分类犬胸腔扩张 | 39,000多个标注细胞 | F1分数/精度为0.93(基于RGB图像和数据增强) | Li et al., (2020) |
| AlexNet, GoogLeNet, ResNet-50 | 猫 | 胸部X光 | 分类常见猫胸部异常 | 两种模型AUC均>0.90 | Banzato et al., (2021a) |
| InceptionV3 | 犬 | 骨长骨X光 | 分类成熟度和骨折时间 | 3种模型 | Ergün and Güney, (2021) |
| CNN | 犬 | CT | 自动分割15个器官 | 90只犬;80个开发/测试CT集 | Park et al., (2021) |
| Deep Learning | 鼻子 | 3D高频超声 | 分割胚胎脑室和身体 | 6个折叠交叉验证 | Qiu et al., (2021) |
| ARCTA | 犬 | 数字组织病理学 | 分类犬皮肤圆细胞肿瘤 | 213张CT图像 | Salvi et al., (2021) |
| Transfer Learning | 猫 | 胸部X光 | 分类肺部异常 | 500张标注图像 | Dumortier et al., (2022) |

综上所述,AI在兽医解剖学诊断中具有显著潜力,但需要更大且更具代表性的数据集、一致的验证程序和独立的外部评估以推动更广泛的临床应用。分离出包含200张图像的诊断数据集,但这些图像来自同一机构;没有进行外部网站验证。

Jeong和Sung(2022):使用图像分类和自动机器学习技术对死亡育肥牛的肺部病理进行分类。数据来源为牛的肺部照片。研究使用了多种卷积神经网络(CNN)架构,包括MobileNet、SE-ResNeXt、ResNet50和ViTl16。共分析398张牛的尸体解剖图像,结果显示:仅通过肉眼诊断的准确率为39-41%;而经过组织病理学标记的模型的准确率为34-38%。不同疾病类别之间的敏感性存在显著差异。该研究仅进行了内部评估,因此其结果更多体现了概念验证的性质,而非经过临床验证的性能。

Bortoluzzi等人(2023):通过跨物种和跨病理类型的自监督预训练深度学习模型,改进了兽医胸部X光片的分类能力。数据来源为狗的胸部X光片。使用SimCLR、beta-VAE和Soft-IntroVAE等模型进行自监督学习,处理了12,000多张经过筛选的X光片。结果表明,预训练模型在胸部X光异常分类方面的平均ROC-AUC值为0.77(侧位)和0.66(前后位),优于未经预训练的模型。不过,该研究没有进行独立的临床外部验证。

Celniak等人(2023):利用机器学习技术检测数字化全切片图像中的坏死现象,以提高犬类软组织肉瘤的分级准确性。数据来源为犬的全切片组织病理学图像。研究使用了DenseNet16模型,分析了90张全切片图像,其中32张用于模型训练。自动化检测/量化肿瘤坏死的结果显示,坏死检测的总体准确率为92.7%。虽然使用了单独的测试材料,但样本量相对较少,且未进行大规模的多中心独立验证。

Morisi等人(2023):基于深度学习技术对猫的高血压性心肌病进行诊断。数据来源为猫的胸部X光片。研究了ResNet50V2、ResNet152、Inception、ResNetV2、MobileNetV2和Xception等模型,结合集成方法进行了分析。初步测试中,多个模型的准确率达到了95.45%。但在独立医院数据集上的准确性有所下降。这一结果为深度学习在临床应用中的性能提供了有价值的参考。

Rho等人(2023):开发了一种基于人工智能的方法,用于通过犬类胸部X光片诊断黏液瘤性二尖瓣疾病的严重程度。数据来源为犬的胸部X光片。使用ResNet18 CNN模型对1242张来自两个机构的X光片进行了分析,实现了ACVIM分期的分类。结果显示,侧位图像的AUC分别为0.87(B1)、0.77(B2)和0.88(C+D),总体侧位准确率为71%;前后位图像的AUC分别为0.80、0.70和0.81。虽然是一个跨机构的数据集,但没有进行独立的外部测试。

Valente等人(2023):利用深度学习技术对狗的膝关节疾病进行诊断。数据来源为狗的膝关节X光片。研究使用了Faster R-CNN进行关节定位,ResNet进行疾病分类。分析了2382张来自合作动物医院的膝关节X光片,实现了膝关节的准确定位以及髌骨偏移、抽屉征、骨赘形成和关节积液等的分类。所有四种分类模型的准确率均超过80%,与兽医评估结果相当;模型与兽医之间的诊断一致性也很高。然而,该研究没有进行独立的外部验证。

Shim等人(2023):使用深度卷积神经网络对赛马四肢的X光片进行分类。数据来源为赛马的四肢X光片。分析了9504张来自10家独立兽医诊所的48个视角的完整X光片,用于分类解剖位置、投影方向和肢体的侧向。ResNet34模型的top-1准确率为0.878。在误分类中,91.8%是由于侧向定位错误造成的。尽管数据来源具有多样性,但研究没有将整个诊所的数据分开用于训练/验证/测试。

Costa da Silva等人(2023):机器学习能够正确分类狗和猫的胸腔前后位X光片的成像质量。数据来源为狗和猫的胸腔前后位X光片。使用深度学习模型评估了胸腔图像的颅部和尾部重叠情况,包括900张狗和猫的X光片。结果显示,组合模型的准确率为91.21%(95%置信区间91.0-91.4),表明胸腔图像的成像质量得到了合理控制。

Tahghighi等人(2023):利用深度学习技术对狗的脊柱进行分割。数据来源为狗的X光片。使用U-Net++模型对180张精选的X光片进行了分割,结果显示U-Net++的Dice值为0.9566,Jaccard值为0.9178,敏感性为74.18%。研究仅进行了内部训练/验证/测试评估,没有外部验证。

Agrawal和Kumar(2024):利用人工智能辅助技术,从犬的视网膜图像中诊断心血管疾病。数据来源为犬的视网膜图像。研究了ELM、KNN、SVM、DenseNet201、ResNet101、SqueezeNet和InceptionV3等模型,分析了118张犬的视网膜图像。结果显示,ResNet101在检测心血管疾病方面的准确率为96.1%+/- 3.15%,敏感性为97.3%+/- 2.96%,特异性为94.9%+/- 4.07%,F1值为96.4%。研究仅进行了内部评估,没有外部独立数据集。

Cihan等人(2024):利用生成对抗网络(GAN)和多尺度判别器改进了犬的低剂量CT图像质量。数据来源为犬的低剂量CT图像。研究了10只狗的图像,其中9只用于训练,1只用于测试。结果显示,该技术提高了图像质量,但仅针对单只狗进行了测试,因此普遍适用性有限。

Son等人(2024):利用深度学习自动分类犬胸部X光片中气管塌陷的情况。数据来源为犬的颈胸部X光片。研究了YOLOv3、YOLOv4和YOLOv4-Tiny模型,结果显示它们的准确率分别为98.30%、99.20%和98.90%,PR-AUC值大于0.80。与放射科医生的比较结果显示一致性较高。然而,该研究没有进行独立的外部验证。

Suksangvoravong等人(2024):根据牙齿图像识别羊的年龄。数据来源为羊的牙齿照片。使用了CNN、VGG16、InceptionV3、ResNet50和ResNeXt等模型,分析了242张原始图像。结果显示,ResNeXt在少数类别识别方面表现较好,但样本量较小,限制了结果的可靠性。

Abrkaty(2024):利用深度学习技术对犬的慢性肾病进行超声分类。数据来源为犬的肾脏超声图像。使用了基于YOLO的肾脏提取技术和CNN进行分类,分析了883张犬的超声图像。结果显示,多类别分类的准确率为0.46;而对于二至四期的二元分类,准确率、精确度和召回率分别为0.85、F1值为0.89。四名放射科医生的评估结果也较为一致。然而,该研究没有进行独立的外部验证。

Yu等人(2024):利用深度学习网络检测犬胸腰椎和腰椎侧位X光片中的脊椎侧弯病变。数据来源为犬的胸腰椎和腰椎侧位X光片。使用了U-Net进行脊柱结构的分割和脊椎侧弯病变的检测。结果显示,不同模型的诊断一致性较高,但研究没有进行独立的外部验证。

Park等人(2024):探索深度学习技术在兽医磁共振成像中检测椎间盘突出的应用。数据来源为213只狗的MRI图像,分为训练集和测试集。结果表明,深度学习模型在检测犬的椎间盘突出方面表现良好。

Guo等人(2024):利用机器学习技术对犬和猫的胸腔前后位X光片进行质量评估。数据来源为犬和猫的胸腔前后位X光片。研究了多个深度学习模型对图像质量的影响,包括成像重叠、定位和曝光情况。结果显示,联合模型的准确率为91.57%,F1值为91.33%。虽然使用了独立的外部数据集,但没有进行独立的外部验证。

Tahghighi等人(2024):利用深度学习对犬的弥漫性大B细胞淋巴瘤进行形态学分割。数据来源为犬的histopathological全切片图像。使用了HawksheadNet CNN模型,并与EfficientNet、Inception和MobileNet进行了比较。结果显示,该模型在区分弥漫性大B细胞淋巴瘤方面表现良好。

Ancheta等人(2025):通过多视图蒸馏技术学习兽医影像中的解剖结构。数据来源为约668,000份犬的X光片,学习了不随视图变化而变化的解剖表示。研究表明,多视图VET-DINO在下游任务中的性能优于单视图VET-DINO和DINOv2。

Dourson等人(2025):利用自动化技术对犬的CT图像中的肺部肿块进行自动分割。数据来源为犬的CT图像,使用了AID模型进行自动三维分割。结果显示,该技术在多中心回顾性数据集上的有效性较强。

Jurgas等人(2025):利用神经网络技术自动化提取犬的脑部图像。数据来源为犬的MRI图像,使用了三种不同的神经网络进行脑部提取。结果显示,该技术在多中心数据集上的有效性较好。

Lesta等人(2025):利用深度学习框架估计犬和猫的椎心比(Heart-Thorax Ratio)。数据来源为犬的胸部X光片,进行了五折交叉验证。结果显示,该技术在多个数据集中的有效性较强。

Mekonnen等人(2025):利用HawkAI技术加速犬的低场MRI成像速度。数据来源为犬的MRI图像,研究了三种不同的去噪方法。结果显示,HawkAI在提高图像质量和缩短扫描时间方面表现较好。

Nour Eddin等人(2025):利用YOLOv5和CNN架构开发了一种智能骨学系统,用于多物种长骨的检测和分类。数据来源为犬的数字骨骼图像。结果显示,该系统在骨骼检测和分类方面表现良好。

Orhan(2025):利用深度学习对犬的中耳疾病进行分类。数据来源为犬的CT图像,使用了转移学习技术。结果显示,该技术在分类犬的中耳疾病方面表现较好。

Zhao等人(2025):比较了兽医和深度学习工具在诊断马眼疾方面的能力。数据来源为马的眼部临床图像。使用了卷积神经网络进行分类,结果显示,AI和兽医在诊断准确性上的比较结果较为一致。

Scharre等人(2025):利用深度学习检测犬的肘关节疾病。数据来源为犬的肘部X光片,使用了多种深度学习模型进行自动检测和分类。结果显示,该技术在检测肘关节异常方面表现较好。

Hauback等人(2025):利用AI自动化分割犬的肝脏局部病变。数据来源为犬的CT图像,使用了两种不同的深度学习模型进行分割和自动评估。结果显示,该技术在提高图像质量和缩短扫描时间方面具有优势。数据特意从多个临床来源/扫描仪收集,并保留了一个包含45个案例的独立测试集。这比单一地点的研究提供了更强的异质性,尽管测试案例是从合并的数据集中选出的,而不是来自严格独立的外部机构。Burti等人(2025年)的研究探讨了使用AI进行跨物种深度学习模型在骨折检测及其他领域的应用,使用了马、猫和人类的数据进行预训练,包括X光、CT和MRI成像方式。跨物种迁移学习深度学习框架在马和猫的兽医影像中结合人类骨折数据进行了预训练,实现了85.1%的准确率、88.5%的敏感性和81.7%的特异性,中位数IoU为0.84。未在马模型微调过程中使用的猫案例达到了85.9%的准确率和0.74的IoU,为跨物种泛化提供了有效证据。Ahmed等人(2026年)的研究利用深度学习实现了基于图像处理的羊牙齿自动分割和年龄估计,使用了YOLOv8分割算法以及VGG16、ResNet50、EfficientNetB0、MobileNetV2和Xception等模型,通过数据增强实现了95%的总体准确率和92-97%的类别特定准确率。Cihan等人(2026年)的研究利用深度学习神经网络检测狗的蛋白质丢失性肠病(PLE)的超声成像特征,使用MobileNetV2、AlexNet、EfficientNet-B0和ResNet50模型,在70%的训练数据、10%的验证数据和20%的测试数据(按图像而非患者分组)中进行了评估,通过优化后的ResNet50模型实现了91.57%的准确率、0.9286的精确度、0.9070的召回率和0.9176的F1分数以及0.9529的AUC-ROC。需要注意的是,由于未使用患者级别的分离,可能会导致内部评估结果偏乐观。当将该模型应用于其他来源/超声机器的小规模图像集时,准确率仅约为30%,显示出明显的领域转换/泛化问题。Reichert等人(2026年)提取了每项研究的信息,包括物种、成像方式、AI模型或方法、数据集或样本大小、诊断或解剖学任务、性能指标(如有报告)、置信区间以及验证策略,并按出版年份、成像方式、研究物种分组和主要的AI方法学方法进行了总结。研究选择过程如PRISMA流程图(图1)所示。

包含的研究按出版年份、成像方式、物种分组和主要的AI方法学方法分别进行了描述性统计,结果展示在图2、图3、图4和图5中。图6展示了诊断兽医解剖学中AI工作流程的示意图。在诊断兽医解剖学中,人工智能已应用于多种问题,包括疾病分类、解剖学分割、病变定位、定量形态测量、骨骼识别、年龄估计、影像质量评估、影像增强和表示学习等。45项主要研究中,物种、成像方式、数据集大小、AI模型、参考标准和验证方法存在很大差异。因此,不应仅凭模型报告的最高准确率或接收者操作特征曲线(AUC)来推断其临床相关性。在评估证据强度时,独立动物的数量或样本数量、训练和测试数据的分离方式、诊断参考标准的质量以及在不同人群上的测试结果同样重要。现有证据还表明,诊断性能并非仅通过选择特定的网络架构就能决定。ResNet、DenseNet、EfficientNet、U-Net、YOLO、Mask R-CNN、nnU-Net、基于Vision Transformer的方法以及其他架构已被适配用于各种不同的解剖学和诊断问题。因此,这里的证据是根据临床和解剖学应用进行综合的,而不是基于单个模型架构。在每种应用中,都会综合考虑物种、成像方式、模型或建模方法、数据集特征、临床或解剖学输出、性能以及验证水平。

3.1. 诊断图像分类和疾病检测
3.1.1. 胸部X光和心血管应用
胸部X光是兽医AI研究最广泛的领域之一。大多数研究涉及狗和猫,应用范围从肺异常识别到心脏扩大、心肌病、黏液瘤性二尖瓣疾病和气管塌陷等。早期的一项心脏应用使用了改进的VGG16卷积神经网络(CNN)来检测狗的左心房扩大,数据集包含792张X光片和同期的心脏超声检查结果,其中711张用于模型开发,81张用于测试。该模型达到了82.71%的准确率、68.42%的敏感性和87.09%的特异性,AUC为0.88。为了提高敏感性,调整后的模型敏感性提高到了73.68%,但准确率和特异性分别下降到了79.01%和80.64%。这些发现说明了诊断AI的一个重要特点:总体准确率尚可并不意味着受影响动物都能被可靠地检测出来。尽管测试图像是在同一机构环境中获得的,但评估并未构成独立的外部验证。
利用ResNet-50和DenseNet-121对犬类胸部X光片进行了多标签分类研究。从最初检索的3839张X光片中,筛选出高质量图像用于模型开发和评估。ResNet-50对于大多数异常情况的AUC值超过了0.80,尽管支气管和间质模式的分类较为困难。此外,还在不同的X光采集系统上评估了性能,表明其对技术变化的鲁棒性。然而,这种测试不能等同于独立的多中心外部验证。
另一项针对猫的研究评估了ResNet-50和InceptionV3对常见胸部异常的分类能力。从最初检索的2742张X光片中,筛选出高质量图像用于模型开发。两种模型对肺泡模式、支气管模式和胸腔积液的AUC值均超过0.90,对正常检查和气胸的AUC值超过0.80,对心脏扩大的AUC值超过0.70。不同异常之间的差异表明,单一的总体性能指标可能掩盖了诊断难度的显著差异。尽管X光片来自两个机构,但评估依赖于内部测试集而非独立的外部队列。
还有研究使用ResNet50V2结合迁移学习和集成投票技术对500张标注的胸部X光片中的肺部异常进行分类,集成模型的准确率为82%、敏感性为88%、特异性为75%、阳性预测值为81%、F1分数为85%。重复的随机训练和验证程序提供了模型稳定性的信息,但没有独立的外部数据集进行评估。
AI还扩展到了心脏解剖学的自动测量方面。开发了一种改进的Attention U-Net,采用Tversky和focal Tversky损失函数进行训练,用于分割心脏和第四胸椎并计算调整后的心脏体积指数。1000张狗的右侧胸部X光片被分为800张训练图像、100张验证图像和100张测试图像,另外200张带有同期心脏超声检查的结果用于诊断评估。左侧心房扩大的AUC为0.77,左侧心室扩大的AUC为0.81,综合扩大的AUC为0.83。这些估计值的置信区间也一并报告。对于综合心脏扩大,自动指标的敏感性高于传统的椎体心脏大小指标,但特异性较低。这种权衡在临床上很重要,因为提高受影响动物的检测率可能会伴随假阳性结果的增加。
使用ResNet18 CNN评估了犬类黏液瘤性二尖瓣疾病的严重程度。数据集包含来自两个机构的1242张胸部X光片。对于侧位视图,B1、B2和C+D阶段的AUC值分别为0.87、0.77和0.88,总体准确率为71%。背腹视图或腹背视图的总体准确率较低,为65%。B2阶段的较差区分度表明,AI可能更难以区分临床上相邻的疾病状态。
外部评估的重要性在猫肥厚型心肌病中尤为明显。使用ResNet50V2、ResNet152、InceptionResNetV2、MobileNetV2和Xception以及集成策略,结合231张胸部X光片和额外的先前未见过的医院数据进行了评估。几种单独模型的测试准确率最初达到了95.45%,但在独立医院数据集上的准确率下降到约55-85%。softmax集成在新数据上将性能提高到了90%。这种在外部测试下的下降直接表明,从内部数据集获得的结果可能在不同的临床环境中高估了性能。
使用YOLOv3、YOLOv4和YOLOv4-Tiny研究了犬类气管塌陷。数据集包含600张颈胸X光片,包括200张正常病例、200张1-2级病例和200张3-4级病例。YOLOv4-Tiny-416配置的敏感性为98.30%、特异性为99.20%、准确率为98.90%,精确度-召回率AUC超过0.80,与放射科医生的吻合度也很高(κ=0.975)。因此,在研究数据集中的性能非常高。这种准确率是否在其他医院、放射系统、品种和疾病分布中也能保持,需要通过外部评估来确定。
胸部X光研究支持了AI辅助诊断的技术可行性。它们还表明,不应仅凭内部最高准确率就将模型视为临床最先进的。疾病特异性、在不同采集系统上的性能,尤其是独立的外部验证,才能提供更强的临床适用性证据。ResNet和DenseNet的简化流程图分别展示在图7和图8中。这些发现表明,临床中遇到的特征可以暴露出仅从整体准确性难以发现的弱点(Shim等人,2023年)。犬脊柱侧弯畸形通过基于Attention U-Net的分割和检测模型进行了评估。该数据集包含了来自162只狗的265张胸腰和腰椎侧位X光片。测试的敏感性为98.4%,特异性为86.3%,阳性预测值为86.1%,阴性预测值为98.4%,与兽医临床医生的吻合度为κ = 0.839。对于1级病变,敏感性达到了96.2%,而对于2-3级病变,敏感性为100%。尽管结果显著,但评估仅限于内部数据,未对独立机构的数据集进行测试(Park等人,2024年)。马籽骨炎使用了两个级联的RetinaNet模型进行研究,其中第二个分类器中加入了自注意力机制。分析包括255张马的DLPMO和DMPLO踝关节X光片,用于定位籽骨并判断籽骨炎为正常、轻度或中度。分类准确率为92.7%,定位和分级的平均精度为81.8%。这些结果表明了技术的可行性;然而,由于数据集是回顾性的且来自单一机构,其临床普遍性仍不确定(Guo等人,2024年)。犬肘部疾病通过RetinaNet进行自动肘部裁剪,随后使用EfficientNet进行分类。研究包括7229张X光片,其中4000张用于训练,1000张用于验证,2229张用于测试。最佳模型的准确率、敏感性和特异性均约为0.98。还结合了VarGrad可视化和基于熵的不确定性估计,提供了影响预测的解剖区域和模型置信度的信息。庞大的测试 cohort增强了证据说服力,但这仍然是一个内部测试集,而不是独立机构的数据集(Hauback等人,2025年)。犬椎间盘突出症在矢状T2加权MRI上进行了研究,首先使用脊柱定位模块,然后比较了YOLOv3、FCOS、YOLOF、YOLOX、Faster R-CNN、Cascade R-CNN、Grid R-CNN和Dynamic R-CNN。数据集包含来自213只狗的487张MRI图像,其中106只狗用于训练,107只用于测试。在动物层面分离数据是一个重要的方法学优势。最佳的犬平均精度为75.32%。一个涉及63只猫的111张图像的迁移学习实验产生的平均精度为67.65%,而直接应用犬模型时为63.40%,仅使用猫数据集训练时为29.82%。结果表明,在特定物种数据有限的情况下,跨物种学习可能有所帮助,尽管未进行独立的外部临床验证(Huang等人,2024年)。还开发了一个跨物种迁移学习深度学习框架,用于骨折检测和定位,使用马和猫的兽医图像,在预训练期间使用人类骨折图像。该框架涵盖了X光、CT和MRI。在马骨折测试集上,准确率、敏感性和特异性分别为85.1%、88.5%和81.7%,中位IoU为0.84。在马精细调整期间未包括的猫病例的准确率为85.9%,IoU为0.74。本研究中的人类图像作为迁移学习的来源,而不是兽医结果的依据;因此,与本综述相关的结论来自马和猫的结果。跨物种测试提供了有用的泛化证据,但不等同于外部医院级别的验证(Ahmed等人,2026年)。在综述的研究中,AI在涉及清晰解剖定位或结构异常相对明确的肌肉骨骼任务中表现出较高的性能。细微的病变、中等严重程度的类别、植入物以及物种或成像环境的变化仍然更具挑战性,需要更广泛的验证。

3.1.3 基于CT和MRI的疾病分类
断层成像提供了详细的解剖信息,尽管兽医CT和MRI研究通常涉及的独立动物数量少于X光检查。

犬脑肿瘤通过使用带有迁移学习的GoogLeNet在MRI上进行了区分。研究包括来自两个机构的80个病例,其中56个为脑膜瘤,24个为胶质瘤。对比增强T1加权图像的准确率为94%,对比增强前T1加权图像的准确率为91%,T2加权图像的准确率为90%。相应的Matthews相关系数分别为0.88、0.81和0.80。十个具有挑战性的保留图像也被正确分类。两个机构的贡献增加了数据集的异质性,但未使用完全独立的机构测试队列(Banzato等人,2018a)。

犬中耳疾病通过使用带有迁移学习和数据增强的ResNet模型从CT图像上进行分类。数据集包含535张犬CT图像。最佳模型的准确率为84.72%,精度为0.963,敏感性为0.722,特异性为0.972,F1分数为0.825,AUC为0.88。敏感性和特异性之间的显著差异在临床上具有重要意义,因为该模型在识别未受影响的耳朵方面明显优于受影响的耳朵。评估仅限于内部,没有进行独立的外部验证(Zhao等人,2025年)。

这些研究表明,基于CNN的方法可以从CT和MRI中提取诊断上有用的信息。然而,由于生物样本数量少以及独立测试量有限,临床转化受到限制。

3.1.4 超声学应用
与其他成像方式相比,尽管超声学在兽医AI研究中得到了相对较少的关注,但它却在临床中得到常规使用。其图像受到操作者技术、扫描平面、设备和采集设置的强烈影响,所有这些因素都使得对新数据的泛化更加困难。

犬弥漫性退行性肝病通过使用带有迁移学习的AlexNet从B模式超声图像进行了评估。最初包括了52只狗,其中48只用于主要的退行性与非退行性分析。模型达到了0.91的AUC,敏感性为100%,特异性为82.8%。组织病理学作为参考标准,增强了研究的诊断相关性。然而,生物样本量较小,未进行外部验证(Banzato等人,2018b)。

犬慢性肾病通过结合基于YOLO的肾脏提取和CNN分类的流程进行了研究。数据集包含来自198只狗的883张肾脏超声图像。根据国际肾脏兴趣学会的分期进行的多类别分类的准确率仅为0.46。当将0-2期和3-4期分为两类时,准确率、精度、召回率和F1分数分别提高到约0.85,AUC为0.89。四位放射科医生在同一任务上的准确率约为0.48-0.62。这些结果既展示了基础的超声学问题的难度,也表明简化分类任务可以在一定程度上提高模型表现(Yu等人,2024年)。

犬蛋白丢失性肠病通过比较MobileNetV2、AlexNet、EfficientNet-B0和ResNet50进行了评估,随后优化了一个自定义的ResNet50。研究包括通过B模式肠超声检查的59只狗。图像按图像级别分为70%用于训练,10%用于验证,20%用于测试。优化的ResNet50的准确率为91.57%,精度为0.9286,召回率为0.9070,F1分数为0.9176,AUC-ROC为0.9529。然而,当将该模型应用于来自其他来源和超声系统的小型图像集时,准确率下降到大约30%。内部和外部领域性能之间的显著差异说明了使用图像而非单独动物作为训练和测试数据时的乐观估计风险(Reichert等人,2026年)。

因此,超声学证据表明,模型架构只是问题的一部分。对于这种模式,患者层面的独立性和不同操作者、设备和机构之间的验证尤为重要。

3.1.5 组织病理学、视网膜成像和眼科摄影
AI还应用于兽医病理学和其他以细胞、组织、血管或眼部形态为基础的图像类型。

犬肥大细胞肿瘤的有丝分裂图像使用基于LeNet的CNN进行了分类。从更大的手动审查的组织学集合中提取了超过39,000个标注的细胞,包括超过12,000个有丝分裂细胞、17,000个肿瘤细胞和10,000个颗粒细胞。经过数据增强后,模型在RGB图像上的F1分数/精度约为0.93。尽管细胞图像数量众多,但评估依赖于内部80:20的随机分割,并未测试独立的外部临床数据集(Krappmann等人,2018年)。

犬皮肤圆形细胞肿瘤使用 automated Round Cell Tumors Assessment (ARCTA) 框架进行了评估。AlexNet带有迁移学习用于圆形细胞肿瘤的分类,而结合AlexNet、InceptionV3和ResNet的集成模型用于肥大细胞肿瘤的分级。圆形细胞肿瘤组成部分包括117个病例,产生了416张图像,以及45个额外的肥大细胞肿瘤病例。圆形细胞肿瘤分类的测试准确率为91.66%,肥大细胞肿瘤分级的准确率为100%。样本来自多个兽医病理源,增加了多样性,尽管图像分割没有保留完全独立的实验室进行外部测试(Salvi等人,2021年)。

犬软组织肉瘤坏死通过使用DenseNet161从全切片组织病理学进行了分析。共有90张全切片图像可用,其中32张用于模型训练。总体验证的坏死检测准确率为92.7%。自动化量化可以提高肿瘤分级的一致性,但生物样本量相对较小,未进行大规模的独立多中心验证(Morisi等人,2023年)。

犬弥漫性大B细胞淋巴瘤使用HawksheadNet CNN、染色标准化以及与EfficientNet、Inception和MobileNet的比较进行了评估。研究包括127个病例,从全切片图像生成了图像瓦片。AUROC值为0.9685,而StainGAN标准化的模型的准确率为89.40%,敏感性为87.48%,特异性为87.48%,F1分数为0.9101。这些发现展示了染色标准化在减少技术变异方面的潜在价值,尽管最终评估仍限于内部,未在独立的病理实验室进行(Ancheta等人,2025年)。

并非所有的兽医病理应用都产生了高准确率。使用自动机器学习方法评估了牛的宏观肺部病理,包括MobileNet、SE-ResNeXt、ResNet50和基于ViT的架构。数据集包含来自398头牛的肺部图像。当使用宏观诊断为参考标签时,准确率约为39-41%;使用组织病理学标签时,准确率为34-38%。不同病变类别之间的敏感性存在显著差异。这些结果表明,仅依靠复杂的架构并不能确保强烈的诊断区分,尤其是在病变形态多变或参考类别难以区分的情况下(Bortoluzzi等人,2023年)。

通过比较传统的机器学习方法(极端学习机、k最近邻和SVM)与DenseNet201、ResNet101、SqueezeNet和InceptionV3,研究了牛的心血管疾病。数据集包括来自100头牛的1118张视网膜图像,其中52头患有心血管疾病,48头没有疾病。ResNet101的表现最强,准确率为96.1±3.15%,敏感性为97.3±2.96%,特异性为94.9±4.07%,F1分数为96.4%。图像数量与牛的数量之间的差异再次说明了为什么应分别考虑生物样本量和图像数量(Cihan等人,2024年)。

通过基于CNN的深度学习模型从临床照片中分类了马的眼部疾病。模型在2346张马眼睛的照片上进行了训练,并扩展到9384张图片,其中261张未修改的照片用于网络评估。最终的诊断比较包括了AI系统评估的40张未见过的照片和148名兽医的评估。AI正确诊断的估计概率为93%(95% CI 72-99%),相比之下,兽医的准确率为76%(95% CI 69-81%),其他兽医的准确率为67%(95% CI 59-74%)。与临床医生的直接比较和置信区间的报告增强了评估的可靠性。然而,仅凭照片进行诊断并不能完全再现临床眼科检查,且未使用独立的外部站点队列(Scharre等人,2025年)。

总体而言,这些研究将兽医AI扩展到了传统的诊断放射学之外。它们还强调,图像、细胞或瓦片的数量不应与生物学上独立的动物或样本的数量混淆,特别是在组织病理学和摄影学中。

3.2 解剖分割、定位和定量形态测量
分割和定位对于诊断性兽医解剖学特别相关,因为这些应用直接勾画出器官、病变或解剖标志。它们还可以提供客观测量,支持治疗计划,并减少重复的手工工作。

使用基于深度学习的自动分割模型对15只狗的头部和颈部器官进行了CT自动化分割。包括90只狗;在开发和常规测试阶段使用了80个CT数据集,同时另外单独检查了10个具有挑战性的临床病例。大多数器官的Dice相似系数高于0.79。在具有挑战性的病例中,平均Dice相似系数为0.78±0.11,Hausdorff距离为4.30±3.30毫米。在解剖结构复杂的病例中,性能的下降表明了在具有移位或改变结构的动物身上测试分割系统的重要性,而不仅仅是在简单的检查中(Park等人,2021年)。使用两阶段三维深度学习/V-Net类型的框架分析了小鼠胚胎的三维高频超声图像。数据集包含231个体积的三维超声图像。脑室分割的Dice相似系数达到了0.899,身体分割的Dice相似系数达到了0.934,分类准确率达到了0.969,AUC为0.9893,通过六折交叉验证得到。这项研究展示了AI在体积解剖分析中的潜力,但它代表的是实验性的发育成像,而不是常规的临床兽医诊断,因此在评估其转化准备度时应单独考虑(Qiu等人,2021年)。已经使用U-Net和U-Net++对犬类脊柱进行了分割评估。策划的数据集包含了从2000多张犬类X光片中选出的180张放射照片。U-Net++的测试Dice系数达到了0.9566,Jaccard系数达到了0.9178,测试敏感性为74.18%。高空间重叠度量与较低敏感性之间的差异说明为什么应该使用补充指标而不是单一值来评估分割性能(Agrawal和Kumar,2024年)。使用nnU-Net v2和三维残差编码器U-Net对犬类肺部的肿块进行了分割。这个多中心回顾性数据集包括217个病例,其中187个用于开发和验证,30个保留为单独的测试集。平均Dice相似度为0.91,平均对称表面距离为1.88毫米。结合异质性临床来源、五折交叉验证和单独的测试队列提供了相对较强的回顾性证据,尽管前瞻性验证仍然缺乏(Jurgas等人,2025年)。使用基于神经网络的2D到3D脑提取流程从MRI中提取了犬类脑部图像。训练涉及来自三个机构的68只狗,而第四个机构的10只狗被保留用于最终测试。Dice系数和Jaccard系数分别约为0.95±0.01和0.90±0.01,额外的MRI序列显示中位Dice值约为0.92–0.94。使用完全独立的第四个机构进行最终测试是所审查研究中真正的跨扫描器验证的最清晰示例之一(Lesta等人,2025年)。在CT上使用nnU-Net v2和残差编码器对犬类肝脏局灶性病变进行了分割,包括2D、3D低分辨率、3D全分辨率和级联配置。最初识别出200个病例,经过排除后有175个符合条件。共有130个病例用于五折模型开发,45个保留为单独测试。数据来自两个诊所和一个兽医影像服务。平均Dice相似度为0.86,平均对称表面距离为2.70毫米。使用多个临床来源提高了异质性,尽管测试队列是从汇总的来源中选择的,而不是完全排除在模型开发之外的机构(Burti等人,2025年)。使用Mask R-CNN从犬类和猫类的胸部X光片进行了自动化心脏形态测量。该模型分割了心脏和相关的胸部结构,以自动计算心脏大小和心胸比。心脏Dice相似度对于心脏大小模型达到了94.2%,而对于心胸比分析,心脏和胸部的Dice值分别达到了97.4%和97.6%。与专家测量的结果一致性很强,Pearson相关系数分别为0.922和0.933。使用独立的测试子集并与专家测量结果进行比较加强了研究结果的临床相关性,尽管仍需要更广泛的前瞻性外部测试(Mekonnen等人,2025年)。总体而言,分割研究通常报告的数值性能高于复杂的诊断分类研究。即便如此,高Dice或Jaccard值也不应被视为临床有效性的证明。只有当分割方法在异常解剖结构和不同成像系统中都保持可靠,并且所得到的轮廓或测量结果对诊断、治疗计划或工作流程效率有实质性贡献时,它才具有临床实用性。

3.3. 解剖识别、年龄评估和放射质量评价
一些AI应用虽然不直接进行疾病预测,但有助于兽医解剖学诊断。这些应用包括解剖视图识别、骨学分类、牙齿年龄估计以及放射质量的自动化评估。

赛马肢体X光片使用DenseNet121、InceptionV3、MobileNetV3、ResNet18、ResNet34和ResNet50进行了分类。数据集包含9504张X光片,代表了198组完整的48个标准解剖和投影视图,这些X光片来自10个独立的兽医诊所。ResNet34获得了最高的top-1准确率0.878。大约91.8%的误分类涉及侧别而不是解剖位置或投影。使用来自10个诊所的图像提供了显著的采集异质性,尽管在训练、验证和测试之前对数据进行了汇总,而没有将整个诊所单独用于外部评估(Costa da Silva等人,2023年)。

多物种骨学识别采用了结合YOLOv5s和CNN分类的两阶段方法,包括ResNet34。数据集包含26,148张来自460具牛、马和狗骨骼的数字照片。最好的CNN分类准确率为97.6%。然而,如此大量的图像数量应该与460个独立解剖标本相关联进行解释,因为重复的照片和衍生图像增加了计算样本量,但并没有相应增加生物多样性(Orhan,2025年)。

通过比较CNN、VGG16、InceptionV3、ResNet50、ResNeXt和EfficientNet在牙齿照片上的表现来估计羊的年龄。数据集包含242张原始图像,分为195张训练图像、22张验证图像和25张测试图像。经过增强处理后,ResNeXt的测试准确率为92%。非常小的最终测试集限制了这一性能估计的精确性和泛化能力(Albrkaty,2024年)。

随后的一项研究结合了YOLOv8分割与VGG16、ResNet50、EfficientNetB0、MobileNetV2、Xception和BasicCNN来进行牙齿分割和年龄估计。评估了四个年龄类别,并使用数据增强进行类别平衡。EfficientNetB0的总体准确率为95%,特定类别的准确率在92%到97%之间。结果进一步支持了自动化牙齿年龄评估的可行性,尽管没有在独立的羊群或地理群体中报告验证(Cihan等人,2026年)。

还使用深度学习和机器学习颅部和尾部校正分类器进行了放射质量控制,采用了一种组合包含模型。数据集包含900张犬类和猫类的腹背侧和背腹侧胸部X光片。组合模型的精确度为91.21%(95%置信区间91.0–91.4),准确率为83.17%(95%置信区间83.0–83.4),F1分数为87.0%(95%置信区间86.8–87.2)。参考标签由一位兽医放射科医生提供,未进行外部验证(Tahghighi等人,2023年)。

后续的研究使用多组分深度学习/机器学习质量分类系统评估了899张犬类和猫类胸部X光片的校正、定位和曝光情况。五折交叉验证产生了91.57%的精确度(95%置信区间87.80–95.33)、91.13%的召回率(88.09–94.19)、F1分数为91.33%(88.37–94.29)和AUC为91.10%(88.16–94.03)。重要的是,颅部和尾部方法以及基础的放射人群与早期研究有显著重叠。因此,这两项研究报告了不同的质量控制问题,但在评估支持证据的强度时不应将它们视为完全独立的临床队列(Tahghighi等人,2024年)。

这些研究表明,AI可以通过标准化图像采集、识别投影和解剖结构以及减少技术不足的检查来为兽医解剖诊断做出贡献。

3.4. 图像增强和自我监督的解剖表示学习
有一小部分但越来越重要的研究致力于提高兽医图像质量或学习可重用的解剖表示,而不是直接分配诊断标签。

使用改进的CycleGAN(带有抗混叠生成器和多尺度判别器)增强了低剂量犬类CT图像。该研究仅包括10只狗,其中9只用于训练,1只用于测试。报告的图像质量评估的精确度为0.93,召回率为0.94。仅对一只测试动物的图像进行评估严重限制了普遍性。此外,这些图像质量指标不应被解释为等同于临床诊断敏感性、特异性或病变检测性能(Son等人,2024年)。

使用基于GAN的去噪方法HawkAI增强了低场MRI图像,应用于狗和猫。临床评估包括33次检查和540张MRI切片。四位盲法兽医专家略微偏好HawkAI图像的信噪比特性,置信区间为1.924–2.176,而诊断相关性和病变可见性几乎没有偏好,置信区间分别为2.808–3.132和2.941–3.119。对于图像增强方法而言,基于读者的评估尤为重要,因为改善的明显图像质量不得以牺牲诊断相关的解剖结构为代价(Nour Eddin等人,2025年)。

使用SimCLR、β-VAE和Soft-IntroVAE在超过12,000张经过排除的兽医胸部X光片上进行了自我监督学习,预训练期间使用了额外的外部数据。SimCLR在侧向投影上的平均ROC-AUC值约为0.77,在背腹向投影上约为0.66,并且在性能上优于没有相应预训练的模型。人类图像被纳入了预训练策略的部分,但与兽医解剖相关的证据是其在兽医X光片上的后续性能(Celniak等人,2023年)。

VET-DINO使用Vision Transformer和DINO的学生-教师自我监督学习策略,从大约五百万张X光片中学习视图不变的表示,这些X光片代表了大约668,000例犬类研究。多视图VET-DINO在下游任务中的表现优于单视图VET-DINO和DINOv2;例如,胃内容物的k最近邻F1值约为0.573,而相应的比较器分别为约0.280和0.284。这个数据集比大多数兽医成像研究使用的数据集大得多,支持了兽医基础风格表示学习的可行性。然而,VET-DINO仍处于预印本阶段,尚未经过前瞻性外部临床验证。因此,它应被视为一个重要的方法学发展,而不是一个确立的诊断系统(Dourson等人,2025年)。

3.5. 按物种、成像模式和数据集特征的比较证据
对45项主要研究的比较显示,当前的兽医AI证据基础存在明显的不平衡。狗类占据了大多数研究,特别是在胸部X光、肌肉骨骼成像、CT、MRI和超声方面。猫类主要出现在胸部成像、心脏病学、犬猫联合形态测量和质量控制应用以及跨物种迁移实验中。马类的研究包括肢体视图分类、籽骨炎、眼科疾病和骨折检测,而牛和羊类的研究则在视网膜、肺部、骨学和牙齿研究方面的代表性较低。

小鼠胚胎的研究与临床兽医研究不同,因为它涉及实验性的发育解剖学,而不是对兽医患者的诊断。其包含与三维解剖分割和分类相关,但其转化状态不应与在临床狗、猫、马或羊中进行的研究相等同(Qiu等人,2021年)。

对于在模型开发期间使用人类图像的研究也需要进行类似的区分。在跨物种骨折研究中,预训练期间使用了人类骨折数据,而兽医性能则是使用马和猫的数据进行评估的(Ahmed等人,2026年)。在自我监督的胸部X光片研究中,人类图像也参与了部分预训练策略,但关于兽医性能的结论是基于随后的动物图像评估得出的(Celniak等人,2023年)。做出这种区分可以防止将人类数据的方法学使用误认为是直接证据。

X光片仍然是主要的成像模式,可能是因为它广泛可用、相对标准化,并且在回顾性数字档案中有很多代表。CT和MRI研究较少,但越来越多地关注三维分割、病变勾勒和定量解剖。尽管超声在临床中应用广泛,但超声AI的表现显著下降,尤其是在遇到来自不同来源和机器的图像时。这表明超声可能特别容易受到操作者和设备相关因素的影响(Reichert等人,2026年)。

数字组织病理学引入了自己的变异来源,特别是染色、组织处理、扫描仪特性以及整个切片图像的分割方式。染色标准化可以减少部分技术变异性,但它不能替代独立实验室的验证(Salvi等人,2021年;Ancheta等人,2025年)。

不同研究之间样本数量差异很大。有些研究使用的动物少于100只,而有些报告的数据集包含数千甚至数百万张图像。然而,图像数量并不等于生物样本大小。多物种骨骼研究中的26,148张骨学照片来自460具骨骼,而1118张视网膜图像仅来自100头牛(Cihan等人,2024年;Orhan,2025年)。组织病理学切片、MRI图像、超声帧、多种放射投影以及增强图像同样可以从较少的动物或样本中提供大量观察结果。因此,在解释兽医人工智能研究时,应考虑图像级和动物或样本级的样本量。当多个图像来自同一病例时,动物、检查、病变或解剖样本通常是更合适的生物学独立单元。未能在模型开发和测试之间保持病例级的分离可能会导致信息泄露和对性能的过度乐观估计。3.6 验证水平和转化准备度 在45项主要研究中,最一致的局限性是真正独立的外部验证稀缺。许多研究使用了保留数据集、交叉验证、多种采集系统或来自多个机构的数据。这些策略加强了模型评估,但当所有来源在创建训练集和测试集之前都被合并时,不应自动将其称为外部验证。犬类大脑提取提供了一个真正的独立外部验证的例子。基于神经网络的脑提取流程是使用来自三个机构的狗开发的,并最终在第四个机构的10只狗身上进行了评估。在不同的成像环境中,Dice值和Jaccard值保持稳定,证明了模型的可迁移性(Lesta等人,2025年)。猫肥厚性心肌病提供了一个同样重要但不太相同的例子。基于ResNet、InceptionResNet、MobileNet和Xception的模型在内部测试中表现良好,但在应用于独立医院的图像时准确率显著下降。这一结果并没有降低研究的价值,反而提供了领域转变对兽医人工智能系统影响的现实证据(Rho等人,2023年)。nnU-Net v2肺部肿块分割研究使用了多中心数据、五折交叉验证以及一个独立的30例测试队列,代表了相对强大的回顾性验证设计(Jurgas等人,2025年)。nnU-Net v2肝脏病变研究也结合了多个临床数据源,并为独立测试保留了45例病例。然而,这些病例是从混合来源中选出的,而不是来自完全排除在模型开发之外的机构,因此不应将其描述为严格的外部机构验证(Burti等人,2025年)。跨物种泛化提供了另一种形式的证据。用于犬到猫椎间盘突出的多目标检测模型和跨物种骨折框架都表明,在一个物种或领域中学到的特征可能在另一个物种中也有用。尽管如此,跨物种测试评估的是不同类型的分布变化,不应与独立的医院级验证互换使用(Huang等人,2024年;Ahmed等人,2026年)。一些研究通过将AI输出与兽医专家或既定的诊断参考标准进行比较来增强其临床相关性。超声心动图被用作犬心脏增大的参考;组织病理学用于弥漫性肝病的参考;自动心脏测量结果与专家测量结果进行了比较;气管塌陷分级与放射科医生的结果高度一致;马眼科系统直接与兽医进行了比较(Banzato等人,2018b年;Li等人,2020年;Jeong和Sung,2022年;Suk sangvoravong等人,2024年;Mekonnen等人,2025年;Scharre等人,2025年)。在一部分证据基础上报告了置信区间。将其包含在心脏大小评估、胸部放射质量分类、MRI读片评估和马眼科诊断中,使性能估计的不确定性更加透明(Jeong和Sung,2022年;Tahghighi等人,2023年;Tahghighi等人,2024年;Nour Eddin等人,2025年;Scharre等人,2025年)。类似的报告将有助于未来兽医人工智能研究的解释,特别是在测试队列较小时。性能指标也应根据它们设计的目的来解释。例如,在犬髋关节发育不良和中耳疾病的研究中,看似可接受的准确率值可能掩盖了较低的敏感性。AUC反映了在一系列决策阈值上的区分能力,因此不同于单一临床截止点的性能。Dice和Jaccard系数描述了空间重叠,但它们本身并不显示诊断优势。因此,应综合考虑平均精度、IoU、Hausdorff距离、平均对称表面距离、F1分数、敏感性和预测值等指标,因为它们描述了模型性能的不同方面。在常规临床实践中的前瞻性测试仍然很少见。只有少数兽医人工智能系统在其实际临床使用中对诊断准确性、解读时间或患者管理的影响进行了评估。因此,声称具有最先进性能应基于证据的总体质量,而不仅仅是基于最强的内部指标。内部测试可以展示技术能力,外部验证测试可以确定性能是否能够转移到新的人群中,而前瞻性评估则是确定实际临床效用的必要条件。在回顾的应用中,分割、定位、定量形态测量和放射质量评估似乎比完全自主的疾病分类更接近常规使用。它们可以减少重复性任务,使测量更加一致,并提供兽医在做出诊断决定之前可以检查的视觉或定量结果。目前的证据支持将人工智能作为兽医诊断和解剖评估的辅助工具,而最终的临床解释仍然依赖于兽医的专业知识。4. 挑战和局限性 4.1 数据相关挑战 兽医人工智能的一个持续限制是缺乏带有可靠专家注释的大规模、高质量的数据集(Akinsulie等人,2024年;Owens等人,2023年)。兽医成像数据集通常比人类医学中的数据集小,并且经常使用不同的成像协议和数据记录方法从各个医院收集(Hennessey等人,2022年;Burti等人,2024年)。因此,由于术语、设备、采集协议和数据格式的差异,合并来自多个机构的数据可能很困难(Akinsulie等人,2024年)。类别不平衡是另一个常见问题,特别是当常见或频繁遇到的情况远远多于罕见疾病时。因此,模型可能对常见类别表现良好,而对较少见的情况表现较差(Yasaka和Abe,2018年)。手动标注解剖结构也耗时、成本高,并且依赖于经验丰富的兽医专家(Shandilya等人,2025年)。此外,不完整的临床信息、图像质量的变化以及不准确或不一致的注释可能会降低模型的可靠性。来自人类放射成像的证据进一步表明,深度学习模型可能会利用与疾病相关的患者特征和医疗过程变量,而不仅仅依赖于特定于疾病的成像特征,这可能会在模型预测中产生混淆效应(Badgeley等人,2019年)。这些限制在兽医医学中尤为重要,因为数据集可能包括不同物种、品种、机构和成像系统之间的巨大差异(Akinsulie等人,2024年;Burti等人,2024年)。4.2 模型相关限制 许多兽医医学中的AI模型是使用相对较小的数据集开发的,这增加了过拟合的风险(Alzubaidi等人,2023年)。在这种情况下,模型可能非常紧密地学习了训练数据的特征,但在应用于新的临床案例时泛化能力较差。另一个重要限制是许多深度学习模型(尤其是卷积神经网络)的“黑箱”特性,其预测的基础可能不容易被临床医生理解(Coghlan和Quinn,2024年)。有限的解释能力会降低对AI支持决策的信心,特别是当预测结果无法充分解释时(Krittanawong等人,2019年)。然而,事后可解释性本身不应被视为单个预测可靠的依据。因此,在医疗保健AI中,强调了严格的内部和外部验证作为建立模型可靠性的更直接方法,而不仅仅是依赖当前的可解释性技术(Ghassemi等人,2021年)。高性能模型也可能依赖于大量的计算能力,包括图形处理单元(GPUs),这在较小的兽医医院或诊所可能不容易获得(Coghlan和Quinn,2024年)。另一个问题是模型是否能够将其开发的数据之外的数据泛化。使用来自单一机构的数据开发的模型在应用于来自不同医院、成像设备或采集协议的图像时可能表现不佳。这一点在人类医学成像中已经得到了明确证明,肺炎检测的卷积神经网络在内部数据集上的表现通常优于外部医院系统的放射图像。同一研究还表明,模型能够非常准确地识别放射图像的来源医院系统,表明机构特定的特征可能起到混淆作用(Zech等人,2018年)。在本次回顾中包含的兽医研究中也有类似的现象,当模型在以前未见过的机构或成像数据上评估时,性能有所下降(Rho等人,2023年;Reichert等人,2026年)。因此,在内部测试数据集上的高性能不一定能够解释为在常规临床环境中的同等性能。4.3 成像相关挑战 图像质量会显著影响AI模型的性能(Hiniduma等人,2025年)。解剖分割和疾病检测可能受到运动伪影、定位不正确、曝光不足、图像噪声以及其他成像采集变化的影响(Hosny等人,2018年)。不同机构之间的成像设备和采集协议差异可能会进一步改变模型性能。兽医成像特别具有挑战性,因为不同物种和品种之间的解剖结构存在显著差异。狗和猫、马和牛之间,甚至同一物种的不同品种之间的差异可能导致单个AI模型在所有人群中的表现不一致(Burti等人,2024年)。因此,在将模型用于其他兽医环境之前,应仔细验证其为特定物种、品种、成像系统或临床人群开发的模型。4.4 临床和实际限制 许多兽医AI模型已经实现了高诊断性能,但大部分证据仍然是回顾性的,来自对照研究环境而非常规临床使用。需要多中心前瞻性研究来确定报告的性能是否在真实世界条件下也能保持(Kelly等人,2019年;Nagendran等人,2020年;Burti等人,2024年)。实际应用还可能取决于AI软件能否很好地整合到现有的图像存档和通信系统(PACS)和其他临床信息系统中(Burti等人,2024年)。因此,AI更适合被视为临床决策的支持,而不是替代兽医专业知识。如果自动化输出被过于轻易地接受,可能会出现自动化偏见,即在没有充分独立临床评估的情况下使用AI生成的结果(Coghlan和Quinn,2024年;Williams-Xavier,2025年)。在部署之前,还应检查模型在临床相关亚组中的性能。人类医学成像研究报告了不同人群亚组之间的诊断率不均等,表明高整体性能并不一定能够转化为每个亚组的相似性能(Larrazabal等人,2020年;Seyyed-Kalantari等人,2021年)。这些人类研究中使用的人口统计变量并不直接对应于兽医人群,但同样的原则适用:兽医模型应在不同物种、品种、年龄组、疾病类别、机构和其他相关亚组中进行评估。常规临床应用的进一步限制还包括缺乏统一的验证程序、明确的监管指导、透明度和明确的数据隐私要求(Brundage,2026年)。透明的报告对于判断一个看起来表现良好的模型是否可以复制并且适合临床使用是必要的(Vasey等人,2022年)。对于医学成像,更新的人工智能在医学成像清单(CLAIM)提供了一个结构化的框架,用于更完整和一致的模型开发和评估报告,旨在提高透明度和可重复性(Tejani等人,2024年)。应用类似的报告原则将有助于加强未来的兽医诊断成像AI研究。最近对动物解剖学中AI的分析同样指出,数据隐私、算法偏差和与临床工作流程的集成是重要障碍,同时强调必须考虑AI辅助解剖成像的好处以及这些限制(Choudhary等人,2025年;Choudhary,2026b年)。对于许多当前系统来说,从实验开发到常规兽医使用的进展需要独立的外部验证、透明的报告以及在真实临床条件下的测试。5. 未来展望 关键的研究需求是创建大型、精心策划的多物种兽医成像数据库,并附有专家注释,如果可行的话,还应该开放访问(Celniak等人,2023年)。这些资源应包括来自不同机构、成像系统、品种和临床人群的数据,以便训练和验证集更好地代表实际遇到的多样性。然而,由于隐私、数据治理、所有权和机构限制,将临床数据汇集在一起并非易事。在人类数字健康领域,联邦学习被提出作为一种机制,使得各机构能够在不将所有原始数据集中存储的情况下协同开发模型(Rieke等人,2020年)。当直接交换临床影像数据不可行时,这种策略在兽医人工智能(AI)中也值得探索。多模态方法在兽医AI中同样应受到更多关注。将诊断图像与临床病史、实验室检查结果和其他患者信息结合使用,可能比单独使用图像提供更完整的诊断支持(Soenksen等人,2022年;Wu等人,2025年)。人类医疗保健研究就展示了这一潜力:一个结合了图像、临床文本、时间序列数据和表格数据的多模态框架在多个临床预测任务中始终优于单一来源的模型(Soenksen等人,2022年)。这些发现不能直接应用于兽医领域,但它们为研究将解剖影像与补充临床信息相结合的兽医系统提供了有用的方法论基础。

可解释性是另一个重要的发展领域。提高模型决策的透明度可以增强临床医生的信心,并促进在兽医实践中更加负责任地使用AI(AlZubi,2023年;van der Velden等人,2022年)。然而,可解释的输出不应替代严格的验证。未来的兽医系统应将可解释的视觉或定量输出与证据相结合,以证明其在不同人群、机构和成像环境中的性能仍然可靠。自我监督学习(SSL)、迁移学习(TL)和跨物种领域适应可能会减少对大规模手动标注数据集的需求,并帮助模型适应不同的物种和临床环境(Celniak等人,2023年)。SSL在兽医影像学中尤为重要,因为它可以在引入专家标签之前,从大量未标注的图像中学习到有用的表示。在人类医学影像学中,一项系统性研究表明,自我监督方法可以从大型未标注的数据集中学习到有信息的表示,并为图像分类应用提供了实用指导(Huang等人,2023年)。这一策略在兽医诊断解剖学中也可能有用,因为即使专家注释足够详细,影像档案也可能非常庞大。

未来的工作应更加依赖多中心数据集、独立的外部验证、一致的性能报告以及在实际兽医实践中采用AI系统之前的前瞻性临床评估(Varoquaux和Cheplygina,2022年;Burti等人,2024年;Brundage,2026年)。对于开发临床预测模型的研究,报告还可以参考TRIPOD+AI等既定框架,该框架使用回归或机器学习方法更新预测模型研究的建议(Collins等人,2024年)。采用适当的报告标准将使研究人群、模型开发、验证程序、性能指标和局限性更容易理解和比较,同时提高研究的可重复性。现在,前瞻性评估应在常规兽医实践中成为核心的研究重点。人类医疗保健领域的证据表明,深度学习系统的这一评估阶段仍然非常有限。最近的一项系统性研究仅发现了20项符合标准的前瞻性实际应用研究,且很少评估可持续性和成本等结果(Tseng等人,2026年)。尽管这些证据来自人类医疗保健领域,但其教训对兽医AI也是相关的:即使技术上表现优异,回顾性准确性也不能确保临床应用的成功。因此,兽医研究应不仅评估诊断性能,还应考虑工作流程整合、可行性、临床医生的接受度、效率、成本以及部署后的持续性能。

未来的发展还应将AI辅助的成像技术与解剖学上精确的动物模型相结合。基于计算机断层的山羊长骨三维重建以及对山羊和绵羊头部的诊断解剖学研究表明,特定物种的解剖学数据可以支持教育、手术规划和区域麻醉(Saini和Choudhary,2025年;Saini等人,2026年)。3D打印和虚拟教学模型的结合,以及为手术和植入研究选择的适当动物模型,将进一步扩展这些技术的教育和转化价值(Choudhary,2025年;Choudhary,2026a年;Choudhary和Sarkar,2025年)。这些研究重点将影响AI在兽医诊断解剖学中的可靠性、泛化能力、透明度和临床实用性。要超越实验模型,需要在数据共享、多模态和高效标记学习、可解释性、报告标准、严格的外部验证以及实际兽医环境中的前瞻性测试方面取得进展。

6. 结论

AI现在已被应用于多种成像模式和动物物种的兽医诊断解剖学中。在这篇综述中,我们探讨了主要的框架和方法,包括卷积神经网络、基于Vision Transformer的方法、分割网络、对象检测模型、生成式AI和自我监督学习。我们还考虑了它们在图像分类、解剖分割、病变检测、疾病诊断和临床决策支持中的应用。已发表的研究通常报告了较高的内部性能,但将其应用于临床实践仍然受到小型且异构数据集、成像协议差异、解释能力有限以及多中心或外部验证不足的制约。未来的工作应通过更多样化和标准化的数据集、可解释的多模态方法、严格的外部验证以及旨在提高可靠性、泛化能力和临床适用性的前瞻性临床评估来解决这些限制。目前,AI应主要被视为一种辅助工具,用于补充兽医专业知识,而不是取代它。

**作者贡献声明:**
Santosh Kumar Sahu:撰写——原始草稿、方法论、研究设计、概念构思。
Uma Kanta Mishra:撰写——审稿与编辑。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号