Hoe Filternet Vroeg Te Gebruiken Om Gezondheidsproblemen Bij Honden Te Voorkomen?
Huisdieren kunnen speels zijn. Ze kunnen honger communiceren. Ze kunnen bescherming tonen, loyaliteit tonen en liefde uiten.
Wat ze echter niet kunnen, is praten . Ze kunnen alle bovenstaande eigenschappen prachtig overbrengen zonder woorden te gebruiken. Als het gaat om het communiceren van hun welzijn, zijn woorden erg handig. Stel je voor hoe nuttig het zou zijn als onze honden ons zouden kunnen vertellen dat ze een huidprobleem ontwikkelen, of dat ze zich ziek voelen, of dat ze pijn hebben.
Eigenaren van gezelschapsdieren moesten het alleen doen om dit soort informatie te krijgen. Maar nu is er Pet Insight Project (PI), een baanbrekend onderzoek dat een stem geeft aan de medische aandoeningen van onze huisdieren. Te vaak brengen ouders van gezelschapsdieren hun hond alleen naar de dierenarts als een probleem ernstig is geworden, wat kan leiden tot een slechtere gezondheidsuitkomst, een langere herstelperiode en een hogere dierenartsrekening. Met Pet Insight kunnen we proactief omgaan met de gezondheid van onze huisdieren.
Big Data- Inzichten
Pet Insight Project (PI) is het geesteskind van Kinship, de innovatieve divisie van Mars Petcare. PI bestaat uit een toegewijde groep wetenschappers en dierenartsen die werken aan het identificeren van bepaalde gedragspatronen bij honden die wijzen op gezondheidsproblemen. Ze doen dit door geaggregeerde gegevens van meer dan 11 miljoen dagen in het leven van honderdduizenden honden te analyseren. Gegevenswetenschappers combineren gegevens van apparaten voor het bewaken van activiteiten van Whistle met video’s van burgerwetenschappers om Whistle-apparaten te trainen om het gedrag van uw hond te volgen. De activiteitendossiers worden vervolgens gecombineerd met geanonimiseerde medische dossiers van het Banfield Pet Hospital en er ontstaan gezondheidspatronen.
Maar dit is een opmerkelijke hoeveelheid data, en je vraagt je misschien af hoe we deze zo snel en nauwkeurig kunnen analyseren. FilterNet is het antwoord.
FilterNet – Realiseren Van Volksgezondheid En Dierenverzorging
FilterNet, een nieuwe deep learning AI, classificeert levensgebeurtenissen en zet grote hoeveelheden Whistle-activiteitsbewakingsgegevens om in hondengedrag. Het combineert bekende informatie met nieuwe informatie nauwkeuriger en 100 keer sneller dan enig ander model. Met FilterNet kunnen onze onderzoekers een hele dag aan gegevens verwerken in slechts een paar seconden, waar oudere modellen 20 tot 30 minuten zouden kosten – een zeer dure hoeveelheid rekentijd. Simpel gezegd, onze visie op de toekomst is dat wanneer uw huisdier een Whistle-apparaat draagt, Pet Insights-algoritmen uw huisdier in wezen een stem geven waardoor u en uw dierenarts betere zorg kunnen bieden dan ooit tevoren.
Het is gemakkelijk om een grote muurschildering te visualiseren om u te helpen begrijpen. FilterNet, dat kan worden gebruikt om de fijnere details en het hele plaatje te zien, zou de gezondheidsverhalen van alle honden kunnen vertalen in een grote muurschildering. Het laat ons tegelijkertijd de kleinste kenmerken en de volledige context observeren, wat nieuwe inzichten en inzichtelijke verbanden oplevert. Dit is een groot voordeel voor ouders, dierenartsen en huisdieren. Hierdoor zijn u en uw dierenarts beter geïnformeerd over de gezondheid van uw huisdier, kunt u specifieke gegevens aan uw dierenarts verstrekken die u zullen helpen betere zorg te geven en uw hond een gelukkiger en gezonder leven te geven.
Deze full-life biomonitoring-aanpak geeft ons een 24/7, 360-graden beeld van het welzijn van uw huisdier. Het zorgt voor een revolutie in de dierenverzorging, maar we streven ernaar om nog meer te doen. De implicaties van ons werk reiken veel verder dan de gezondheid van huisdieren. We willen inzichten in de band tussen mens en dier blootleggen en dat begrip ook naar een heel nieuw niveau tillen.
Ons doel is om uw huisdier gelukkiger en gezonder te maken. Wij kunnen ze helpen om beter te worden. Ze brengen de vreugde, de loyaliteit en liefde.
-
Deel:
