牛眼部特征数字化定量研究：探寻贫血无创检测新途径

为解决牛贫血诊断难题，研究人员开展牛眼部属性研究，发现其可辅助检测贫血，意义重大。

　　在畜牧业中，牛的健康状况对整个行业发展至关重要。贫血作为牛常见的血液疾病，不仅影响牛的生长发育，还可能导致生产性能下降，给养殖户带来经济损失。传统的贫血诊断方法，如使用 3 - part 和 5 - part 高度敏感的自动兽医血液分析仪检测红细胞计数（RBC）、血红蛋白（Hb）和血细胞比容（PCV）等血液指标，虽然结果准确，但存在诸多局限性。这些分析仪价格昂贵，需要定期维护，使用的化学试剂成本高，还要求操作人员具备专业技能。此外，偏远地区的实验室距离养殖场较远，血液样本在运输过程中容易出现问题，而且现场采血操作繁琐，给动物带来应激，可能影响检测结果的准确性。因此，开发一种简单、快速、无创的贫血检测方法迫在眉睫。

来自伊斯兰堡巴哈瓦尔布尔伊斯兰大学（The Islamia University of Bahawalpur）等机构的研究人员，针对这一问题开展了一项初步研究。他们首次对牛的多种眼部属性（眼球的 RGB 分析、形态测量以及睑结膜颜色）进行数字化定量研究，旨在探索这些属性作为无创预测指标，用于检测牛贫血的潜力。该研究成果发表在《BMC Veterinary Research》杂志上。

研究人员在开展研究时，采用了多种技术方法。首先，他们选取了 36 头明显健康的不同品种牛，包括 Cholistani、Sahiwal、Friesian 和 Jersey 品种，这些牛均在大学畜牧场采用集约化养殖方式饲养。在图像采集方面，使用 iPhone 12 ProMax 手机，在固定的光照、变焦和其他内部设置下，对牛的眼睛和睑结膜进行拍照和录像。血液样本采集后，使用经过验证的自动兽医血液分析仪（Rayto 7600）进行 RBC、Hb 和 PCV 检测。对于图像和视频处理，研究人员运用 Adobe Photoshop CS6 portable 软件获取眼球的形态测量属性、眼白百分比和睑结膜区域的像素信息，同时利用在线软件www.imagecolorpicker.com分析牛眼球的 RGB 属性。最后，通过统计软件 SPSS for windows v20 对数据进行分析。

研究结果如下：

• 性别、品种和年龄对眼部属性的影响：研究发现，性别、品种和年龄对所研究的眼部属性均无统计学差异（P≥0.05）。基于此，研究人员将数据合并为一组，以增加样本量和统计效力，用于后续分析。
• 眼部属性与 RBC 计数的关系：RBC 计数与牛眼睛的蓝色（r=?0.255，p≤0.05）、黄色（r=?0.204，p≤0.049）和黑色（r=0.347，p≤0.038）属性之间存在微弱但统计学显著的关系。然而，其他眼部属性未能显著预测 RBC 计数，整体模型对 RBC 计数的解释方差为 79.5%，调整后的r2值较低，仅为 23%。
• 眼部属性与 Hb 的关系：牛眼睛的绿色（r=0.571，p≤0.050）、蓝色（r=0.706，p≤0.037）、黄色（r=0.624，p≤0.044）、黑色（r=0.712，p≤0.033）和白色（r=0.778，p≤0.050）与 Hb 呈正相关，并能显著预测 Hb。整体模型的调整r2值为 0.67，表明其对 Hb 的预测能力达到 67.0%。
• 眼部属性与 PCV 的关系：眼部属性如红色（r=?0.536，p≤0.016）、绿色（r=?0.565，p≤0.030）、品红色（r=?0.409，p≤0.05）、黄色（r=?0.563，p≤0.013）、黑色（r=0.700，p≤0.022）和白色（r=?0.805，p≤0.008）与 PCV 高度相关。整体模型对 PCV 的预测能力较强，达到 67.6%。
• 睑结膜颜色分组及相关参考区间：通过视觉检查、平均灰度值（MGV）和睑结膜像素分组，研究人员发现牛的睑结膜主要呈现三种颜色模式：淡粉色至浅粉色、粉色至深粉色、红色至粉色。RBC 计数、Hb 和 PCV 在不同颜色组中呈现出正相关趋势，红色至粉色组的值最高。根据这一分组，研究人员制定了睑结膜颜色图表，并为不同颜色组分配了 RBC 计数、Hb 和 PCV 的参考区间。

在研究结论和讨论部分，研究人员指出，牛的多种眼部属性，尤其是眼球图像属性中的蓝色、黄色、黑色、白色和亮度，可作为 Hb 和 PCV 的无创指标，有助于牛贫血的检测。基于研究数据开发的睑结膜颜色图表，有望成为现场即时检测（POCT）工具，用于预测牛的 Hb 和 PCV 水平。不过，该研究也存在一定的局限性，如样本量相对较小（n=36），可能影响统计效力，无法准确检测小到中等效应量。未来的研究需要扩大样本量，纳入健康和患病的牛，以进一步验证这些发现。此外，还可探索将热成像、红外成像等其他无创指标或工具与眼部属性结合，提高贫血检测的准确性，同时利用人工智能进行自动眼部图像分析，优化检测流程，增强现场应用效果。

总之，这项研究为牛贫血的无创检测提供了新的思路和方法，对推动畜牧业的健康发展具有重要意义。