邀请评论:迈向数据驱动乳腺炎检测研究的共同语言( Invited review: Toward a common language in data-driven mastitis detection research )

M van der Voort D Jensen C Kamphuis I N Athanasiadis H Hogeveen

用于乳腺炎检测的传感器技术导致了大量数据的收集和可用。因此，报告乳腺炎检测研究的科学出版物变得越来越少地由基于生物学假设的方法驱动，而更多地由数据驱动的建模驱动。这些方法大多试图从原始传感器数据（组合）来预测乳腺炎事件，其中应用了多种方法，起源于机器学习和经典统计方法。然而，研究人员对性质相似的方法使用了更广泛的术语。这使得来自其他学科的读者很难理解所使用的具体方法以及这些方法之间的区别。本文的目的是提供一个框架（过滤、转换和分类）来描述基于传感器数据的临床乳腺炎检测研究中应用的不同方法，并使用该框架对乳腺炎检测的科学文献中描述的方法和潜在方法进行回顾和分类。我们确定了1992年至2020年间应用传感器数据检测临床乳腺炎的方法的40篇科学出版物。在此基础上，我们开发和使用了该框架，并将这些科学出版物分为过滤和转换两种数据处理技术。这些数据处理技术使原始数据更易于用于我们框架中的第三步，即分类，用于区分健康和非健康（乳房炎）奶牛。大多数出版物(n=34)在分类前使用过滤或变换，或这两者的组合来进行数据处理，而其余出版物(n=6)直接从原始数据中对观测数据进行分类。关于分类，应用一个简单的阈值是最常用的方法(n=19份出版物）。我们的工作发现，在方法中使用了几种不同的方法和类似方法的术语。并非所有出版物都明确说明了所使用的方法，因此，出版物之间似乎使用了不同的方法，而实际上只是使用了不同的术语，或者相反。本文的目的是为来自不同研究学科的人们提供参考，他们需要就基于传感器的乳腺炎检测的主题以及在此背景下使用的方法进行有效的合作和交流。本文所使用的框架可以支持今后的研究对各种途径和方法进行正确的分类，从而提高对科学出版的认识。我们鼓励未来基于传感器的动物疾病检测，包括乳腺炎检测的研究，在方法上使用更连贯的术语，并清楚地说明使用哪种技术（如滤波）和方法（如移动平均）。因此，本文可以作为一个起点，并进一步促进基于传感器的乳腺炎研究的跨学科合作。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate