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,

ABSTRACT: The use of molecular information in breeding programs contributed to important advances in the improvement of traits of economic interest in livestock production. The advent of single nucleotide polymorphism (SNP) panels applied to genome-wide selection (GWS) and genome-wide association studies (GWAS), along with computational advances (e.g., use of powerful software and robust analyses) allowed a better understanding of the genetic architecture of farm animals and increased the selection efficiency. In this context, the statistic method single-step GBLUP has been frequently used to perform GWS, and more recently GWAS analyses, providing accurate predictions and QTL detection, respectively. Nevertheless, in developing countries, species such as sheep and goats, whose genomic data are more difficult to be obtained, the use of data simulation has been efficient in the study of the major factors involved in the selection process, such as size of training population, density of SNP chips, and genotyping strategies. The effects of these factors are directly associated with the prediction accuracy of genomic breeding values. In this review we showed important aspects of the use of genomics in the genetic improvement of production traits of animals, the main methods currently used for prediction and estimation of molecular marker effects, the importance of data simulation for validation of those methods, as well as the advantages, challenges and limitations of the use of GWS and GWAS in the current scenario of livestock production. ABSTRACT (SNP genomewide genome wide (GWS GWAS, , (GWAS) e.g., eg e g (e.g. analyses efficiency context singlestep step detection respectively Nevertheless countries goats obtained process population chips strategies values advantages (GWAS e.g. (e.g e.g

RESUMO: Em programas de melhoramento genético, o uso de informações moleculares garantiu importantes avanços para a melhoria de características de interesse econômico, no âmbito da produção animal. O advento da tecnologia de painéis de SNPs aplicados à seleção genômica ampla (GWS) e associação genômica ampla (GWAS), aliado ao avanço computacional, com o uso de softwares e análises robustas, permitiram melhor compreensão sobre a arquitetura genética dos animais de produção e, consequentemente, maior eficiência na seleção. Nesse contexto, o método estatístico single-step GBLUP tem sido utilizado, frequentemente, na execução da GWS e, mais recentemente, em GWAS, possibilitando predições acuradas e detecção de QTLs, respectivamente. No entanto, em países em desenvolvimento e, em espécies como os ovinos e caprinos, que existe maior dificuldade para a aquisição de dados genômicos, o uso da simulação de dados tem se mostrado eficiente para estudar os principais fatores envolvidos no processo de seleção, como o tamanho da população de treinamento, densidade de chipde SNPs e estratégias de genotipagem, cujos efeitos estão diretamente associados à acurácia da predição de valores genéticos genômicos. Nesta revisão, serão abordados pontos importantes sobre o uso da genômica no melhoramento genético de características produtivas em animais, principais métodos de predição e estimação de efeitos de marcadores moleculares na atualidade, a importância da simulação de dados para a validação desses métodos, bem como as vantagens, os desafios e as limitações no cenário atual da produção animal com o uso da seleção e associação genômica ampla. RESUMO econômico (GWS GWAS , (GWAS) computacional robustas consequentemente contexto singlestep single step utilizado frequentemente recentemente QTLs respectivamente entanto caprinos genômicos treinamento genotipagem revisão atualidade vantagens (GWAS