Dual Energy X-Ray Absorptiometry as a Rapid and Non-Destructive Method for Determination of Lean, Fat and Bone Content in Livestock
Notice bibliographique
Résumé
ObjectivesTo implement dual energy X-ray absorptiometry (DXA) as a platform technology, calibrations and development of robust equations to attain precision and accuracy are required before using for routine predictions of carcass yields in livestock. This manuscript summarized results of ongoing research where DXA has been used to estimate lean, fat, and bone carcass composition in beef, pork and lamb. Materials and MethodsFrom a wide range of carcasses, a total of 334 beef (230 crossbred finished steers and 104 cows), 212 pork and 155 lamb carcasses were used to build calibration equations within each population. Left carcass sides were scanned with a Lunar iDXA unit and then dissected into lean, fat, and bone and weighed. Partial least square regression was used to carry out the prediction equations for lean, fat and bone values from primal cuts scans (independent) and actual lean, fat and bone obtained through the full dissection (dependent). The predictive ability of the models was evaluated in terms of coefficient of determination (R²) and root mean square error of calibration (RMSE). ResultsThe PLSR results between actual and DXA estimated lean and fat values showed high relationship (R² > 0.97) across all the species. Within beef, the present results suggest that DXA capacity to estimate carcass composition is independent of maturity. With regard to the bone predictions, PLSR analyses also improved the relationship for bone predictions compared to simple regression models previously developed at this institution or single pass scans for pork and lamb. Observed R² values for predicting bone were slightly lower than those for lean and fat estimations, particularly in those carcasses with smaller bone sizes such as pork (R² = 0.889) and lamb (R² = 0.870). ConclusionThe results suggest that DXA technology can reliably estimate carcass composition in livestock, particularly for lean and fat estimations. Using PLSR analyses, suitable models for research have been developed from main primal scan data. However, further studies to externally validate the prediction accuracy and to obtain calibration curves for specific retail cuts or carcass cut-outs specifications are needed. Prediction accuracies for industry applications using single pass scans will also be needed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».