ABSTRACT: The present research created a tool to measure ultrasound images of the rib eye area in sheep. One hundred twenty-one ultrasound images of sheep were captured, with regions of interest segmented using the U-Net algorithm. The metrics adopted to evaluate automatic segmentations were Dicescore and intersection over union. Finally, a regression analysis was performed using the AdaBoost Regressor and Random Forest Regressor algorithms and the fit of the models was evaluated using the Mean Square Residuals, mean absolute error and coefficient of determination. The values obtained for the Dice metric were 0.94, and for Intersection over Union it was 0.89, demonstrating a high similarity between the actual and predicted values, ranging from 0 to 1. The values of Mean Quadratic Residuals, mean absolute error and coefficient The determination of the regressor models indicated the best fit for the Random Forest Regressor. The U-Net algorithm efficiently segmented ultrasound images of the Longissimus Dorsi muscle, with greater precision than the measurements performed by the specialist. This efficient segmentation allowed the standardization of rib eye area measurements and, consequently, the phenotyping of beef sheep on a large scale. ABSTRACT twentyone twenty one captured UNet U Net union Finally Residuals 094 94 0.94 089 89 0.89 1 muscle specialist consequently scale 09 9 0.9 08 8 0.8 0.
RESUMO: O objetivo do presente trabalho foi o de criar uma ferramenta para mensurar imagens ultrassonográficas da área do olho de lombo em ovinos. Foram capturadas 121 imagens ultrassonográficas de ovinos, a partir das quais foram segmentadas regiões de interesse utilizando o algoritmo u-net. As métricas adotadas para avaliar as segmentações automáticas foram Dicescore e Interseção sobre União. Por fim, foi realizada análise de regressão utilizando os algoritmos AdaBoost Regressor e Random Forest Regressor e o ajuste dos modelos foi avaliado por meio de quadrado médio dos resíduos, erro absoluto médio e coeficiente de determinação (R²). Os valores obtidos para a métrica Dice foram 0,94, e para Interseção sobre União foi 0,89, demonstrando uma alta similaridade entre os valores reais e previstos, variando de 0 a 1. Os valores de quadrado médio dos resíduos, erro absoluto médio e coeficiente de determinação do modelo de regressores indicaram o melhor ajuste para o Random Forest Regressor. O algoritmo U-Net segmentou com eficiência as imagens ultrassonográficas do músculo Longissimus Dorsi, com maior precisão que as medidas realizadas pelo especialista. Essa eficiente segmentação permitiu a padronização das medidas de área de olho de lombo e, consequentemente, a fenotipagem de ovinos de corte em larga escala. RESUMO 12 unet. unet u net. net u-net fim resíduos R². R² R . (R²) 094 94 0,94 089 89 0,89 previstos 1 UNet U Net Dorsi especialista consequentemente escala (R² 09 9 0,9 08 8 0,8 (R 0,