AI u veterinarskoj oftalmologiji

Istraživanje prikazuje primjenu metoda umjetne inteligencije u veterinarskoj oftalmologiji kroz kombinirani pristup računalnog vida i jezične analize. Korišten je prilagođeni U-Net model za detekciju i segmentaciju simptoma očnih bolesti pasa, uključujući zamućenje oka, crvenilo bjeloočnice, pretjerano suzenje i obojeno očno ispupčenje. Dobiveni rezultati poslužili su kao ulazni podaci za velike jezične modele (GPT-4o, Mistral 7B, Gemini2, Llama-3 i Claude 4) s ciljem interpretacije simptoma i davanja preliminarne dijagnoze. Evaluacija je provedena pomoću lingvističkih i semantičkih metrika (MPNet, MiniLM, BERTScore, CLIPScore, BLEU, METEOR, ROUGE i SPICE). Rezultati pokazuju da integracija U-Net segmentacije i analitičkih sposobnosti velikih jezičnih modela (engl. Large Language Model, LLM) omogućuje učinkovitu preliminarnu dijagnozu očnih bolesti pasa. Model s okosnicom ResNet34 pokazao je najveću točnost u prepoznavanju crvenila bjeloočnice, dok je GPT-4o bio najuspješniji u interpretaciji simptoma i postavljanju dijagnoze. Ovaj pristup doprinosi razvoju sustava koji mogu povećati točnost i učinkovitost veterinarske dijagnostike.