Detección temprana de cáncer en perros y gatos mediante biomarcadores e inteligencia artificial
Palabras clave:
cáncer en mascotas; inteligencia artificial; biopsia líquida; biomarcadores; diagnóstico por imagenResumen
DOI: https://doi.org/10.46296/gt.v8i16.0310
Resumen
La detección temprana del cáncer en animales de compañía representa un desafío actual por las limitaciones en los métodos de diagnóstico tradicionales que suelen identificar enfermedades en etapas avanzadas. El objetivo de esta investigación fue evaluar la información disponible sobre los métodos para detectar cáncer de manera temprana en perros y gatos. Se analizó el uso de biomarcadores, tecnologías de imagen avanzadas y la incorporación de la inteligencia artificial (IA). Para ello, se realizó una revisión sistemática de la literatura entre 2014 y 2024; los criterios de inclusión y exclusión se basaron en la validez metodológica y el uso de bases de datos como PubMed, Frontiers y Elsevier. Además, la búsqueda se complementó con herramientas de inteligencia artificial para incluir estudios de relevancia científica. Los hallazgos han demostrado que la biopsia líquida mediante la detección de ADN es una técnica no invasiva que permite identificar neoplasias en etapas iniciales. Asimismo, los biomarcadores transcriptómicos facilitan interpretar la progresión tumoral y obtener diagnósticos más precisos y personalizados. En este sentido, la implementación de la IA por imagen evidenció tener un alto potencial para reconocer patrones y clasificar los casos según el nivel de exactitud. La evidencia disponible señala que estas tecnologías reducen los errores humanos, agilizando los procesos de diagnóstico, combinados con procesos de validación científica; y que en conjunto son prometedoras para contribuir significativamente en el bienestar y calidad de vida de las mascotas.
Palabras claves: cáncer en mascotas; inteligencia artificial; biopsia líquida; biomarcadores; diagnóstico por imagen.
Abstract
The early detection of cancer in companion animals represents a current challenge due to the limitations of traditional diagnostic methods that usually identify diseases in advanced stages. The aim of this research was to evaluate the available information on methods for detecting cancer early in dogs and cats. The use of biomarkers, advanced imaging technologies, and the incorporation of artificial intelligence (AI) were analyzed. To this end, a systematic review of the literature was carried out between 2014 and 2024; the inclusion and exclusion criteria were based on methodological validity and the use of databases such as PubMed, Frontiers and Elservier. In addition, the search was complemented with artificial intelligence tools to include studies of scientific relevance. The findings have shown that liquid biopsy using DNA detection is a non-invasive technique that allows the identification of neoplasms in early stages. In addition, transcriptomic biomarkers make it easier to interpret tumour progression and obtain more accurate and personalised diagnoses. In this sense, the implementation of image AI showed a high potential to recognize patterns and classify cases according to the level of accuracy. The available evidence indicates that these technologies reduce human errors, streamlining diagnostic processes, combined with scientific validation processes; and that together they are promising to contribute significantly to the well-being and quality of life of pets.
Keywords: cancer in pets; artificial intelligence; liquid biopsy; biomarkers; diagnostic imaging.
Información del manuscrito:
Fecha de recepción: 14 de septiembre de 2025.
Fecha de aceptación: 27 de noviembre de 2025.
Fecha de publicación: 15 de diciembre de 2025.
Descargas
Citas
Abuzaid, M. M., Elshami, W., Tekin, H., & Issa, B. (2022). Assessment of the Willingness of Radiologists and Radiographers to Accept the Integration of Artificial Intelligence Into Radiology Practice [Evaluación de la disposición de los radiólogos y radiólogos aceptar la integración de la inteligencia artificial en la práctica radiológica]. Academic Radiology, 29(1), 87-94. https://doi.org/10.1016/j.acra.2020.09.014
Ahmad, Z., Rahim, S., Zubair, M., & Abdul, J. (2021). Artificial intelligence (AI) in medicine, current applications and future role with special emphasis on its potential and promise in pathology: Present and future impact, obstacles including costs and acceptance among pathologists, practical and philosophical considerations. A comprehensive review [Inteligencia artificial (IA) en medicina, aplicaciones actuales y rol futuro, con especial énfasis en su potencial y promesa en patología: impacto presente y futuro, obstáculos, incluyendo costos y aceptación entre patólogos, consideraciones prácticas y filosóficas. Una revisión exhaustiva]. Diagnostic Pathology, 16(24), 1-16. https://doi.org/10.1186/s13000-021-01085-4
Alzubaidi, L., Zhang, J., Humaidi, A. J., Al-Dujaili, A., Duan, Y., Al-Shamma, O., Santamaría, J., Fadhel, M. A., Al-Amidie, M., & Farhan, L. (2021). Review of deep learning: Concepts, CNN architectures, challenges, applications, future directions [Revisión del aprendizaje profundo: conceptos, arquitecturas CNN, desafíos, aplicaciones y direcciones futuras]. Journal of Big Data, 8(53), . https://doi.org/10.1186/s40537-021-00444-8
Amirouchene, N., Swanton, C., & Bardelli, A. (2017). Tumor Evolution as a Therapeutic Target [La evolución tumoral como diana terapéutica]. Cancer Discovery, 7(8), 805-817. https://doi.org/10.1158/2159-8290.CD-17-0343
Appleby, R. B., & Basran, P. S. (2022). Artificial intelligence in veterinary medicine [Inteligencia artificial en medicina veterinaria]. Journal of the American Veterinary Medical Association, 260(8), 819-824. https://doi.org/10.2460/javma.22.03.0093
Arun, G., Diermeier, S. D., & Spector, D. L. (2018). Therapeutic Targeting of Long Non-Coding RNAs in Cancer [Dirigido terapéuticamente a ARN largos no codificantes en el cáncer]. Trends in Molecular Medicine, 24(3), 257-277. https://doi.org/10.1016/j.molmed.2018.01.001
Aubreville, M., Bertram, C. A., Marzahl, C., Gurtner, C., Dettwiler, M., Schmidt, A., Bartenschlager, F., Merz, S., Fragoso, M., Kershaw, O., Klopfleisch, R., & Maier, A. (2020). Deep learning algorithms out-perform veterinary pathologists in detecting the mitotically most active tumor region [Los algoritmos de aprendizaje profundo superan a los patólogos veterinarios en la detección de la región tumoral mitóticamente más activa]. Scientific Reports, 10(16447). https://doi.org/10.1038/s41598-020-73246-2
Aupperle-Lellbach, H., Kehl, A., de Brot, S., & Van der Weyden, L. (2024). Clinical Use of Molecular Biomarkers in Canine and Feline Oncology: Current and Future [Uso clínico de biomarcadores moleculares en oncología canina y felina: actualidad y futuro]. Veterinary Sciences, 11(5). https://doi.org/10.3390/vetsci11050199
Basran, P. S., Gao, J., Palmer, S., & Reesink, H. L. (2020). A radiomics platform for computing imaging features from µCT images of Thoroughbred racehorse proximal sesamoid bones: Benchmark performance and evaluation [Una plataforma radiómica para calcular las características de las imágenes µCT de los huesos sesamoideos proximales de caballos de carreras pura sangre: rendimiento de referencia y evaluación]. Equine Veterinary Journal, 53, 277-286. https://doi.org/10.1111/evj.13321
Bhandari, A., Purchuri, S. N., Sharma, C., Ibrahim, M., & Prior, M. (2021). Knowledge and attitudes towards artificial intelligence in imaging: A look at the quantitative survey literature [Conocimientos y actitudes hacia la inteligencia artificial en imágenes: una mirada a la literatura de encuestas cuantitativas]. Clinical Imaging, 80, 413-419. https://doi.org/10.1016/j.clinimag.2021.08.004
Boissady, E., de La Comble, A., Zhu, X., & Hespel, A. (2020). Artificial intelligence evaluating primary thoracic lesions has an overall lower error rate compared to veterinarians or veterinarians in conjunction with the artificial intelligence [La inteligencia artificial que evalúa las lesiones torácicas primarias tiene una tasa de error general más baja en comparación con los veterinarios o los veterinarios en conjunto con la inteligencia artificial]. Veterinary Radiology & Ultrasound: The Official Journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association, 61(6), 619-627. https://doi.org/10.1111/vru.12912
Burti, S., Banzato, T., Coghlan, S., Wodzinski, M., Bendazzoli, M., & Zotti, A. (2024). Artificial intelligence in veterinary diagnostic imaging: Perspectives and limitations [Inteligencia artificial en el diagnóstico por imagen veterinario: perspectivas y limitaciones]. Research in Veterinary Science, 175(105317) https://doi.org/10.1016/j.rvsc.2024.105317
Caputo, V., De Falco, V., Napolitano, S., Ventriglia, A., Famiglietti, V., Martinelli, E., Morgillo, F., Martini, G., Corte, C., Ciardiello, D., Poliero, L., De Vita, F., Orditura, M., Fasano, M., Franco, R., Caraglia, M., Avitabile, A., Scalamogna, R., Marchi, B., Ciardiello, F., & Troiani, T. (2022). Comprehensive genome profiling by next generation sequencing of circulating tumor DNA in solid tumors: A single academic institution experience [Perfil genómico integral mediante secuenciación de próxima generación de ADN tumoral circulante en tumores sólidos: la experiencia de una única institución académica]. Therapeutic Advances in Medical Oncology, 14, 17588359221096878. https://doi.org/10.1177/17588359221096878
Chibuk, J., Flory, A., Kruglyak, K. M., Leibman, N., Nahama, A., Dharajiya, N., van den Boom, D., Jensen, T. J., Friedman, J. S., Shen, M. R., Clemente, F., Chorny, I., Tynan, J. A., Lytle, K. M., Holtvoigt, L. E., Murtaza, M., Diaz, L., Tsui, D., & Grosu, D. (2021). Horizons in Veterinary Precision Oncology: Fundamentals of Cancer Genomics and Applications of Liquid Biopsy for the Detection, Characterization, and Management of Cancer in Dogs [Horizontes en Oncología Veterinaria de Precisión: Fundamentos de la Genómica del Cáncer y Aplicaciones de la Biopsia Líquida para la Detección, Caracterización y Tratamiento del Cáncer Canino]. Frontiers in Veterinary Science, 8. https://doi.org/10.3389/fvets.2021.664718
Choi, Y., Nam, M.-W., Lee, H. K., & Choi, K.-C. (2023). Use of cutting-edge RNA-sequencing technology to identify biomarkers and potential therapeutic targets in canine and feline cancers and other diseases [Uso de tecnología de secuenciación de ARN de vanguardia para identificar biomarcadores y posibles objetivos terapéuticos en cánceres caninos y felinos y otras enfermedades]. Journal of Veterinary Science, 24(5), e71. https://doi.org/10.4142/jvs.23036
Clarke, C. A., Hubbell, E., & Ofman, J. J. (2021). Multi-cancer early detection: A new paradigm for reducing cancer-specific and all-cause mortality [Detección temprana de múltiples cánceres: un nuevo paradigma para reducir la mortalidad por cáncer y por todas las causas]. Cancer Cell, 39(4), 447-448. https://doi.org/10.1016/j.ccell.2021.02.004
Clifford, C. A., & Bergman, P. J. (2024). Advancements in Veterinary Oncology [Avances en oncología veterinaria]. Veterinary Clinics of North America: Small Animal Practice, 54(3), xi-xii. https://doi.org/10.1016/j.cvsm.2023.12.001
Colombe, P., Béguin, J., Benchekroun, G., & Le Roux, D. (2022). Blood biomarkers for canine cancer, from human to veterinary oncology [Biomarcadores sanguíneos para el cáncer canino, desde la oncología humana hasta la veterinaria]. Veterinary and Comparative Oncology, 20(4), 767-777. https://doi.org/10.1111/vco.12848
Crosby, D., Bhatia, S., Brindle, K. M., Coussens, L. M., Dive, C., Emberton, M., Esener, S., Fitzgerald, R. C., Gambhir, S. S., Kuhn, P., Rebbeck, T. R., & Balasubramanian, S. (2022). Early detection of cancer [Detección temprana del cáncer]. Ciencia JF-Ciencia, 375(6586), eaay9040. https://doi.org/10.1126/science.aay9040
Fittall, M., & Van, P. (2019). Translating insights into tumor evolution to clinical practice: Promises and challenges [Trasladar los conocimientos sobre la evolución tumoral a la práctica clínica: promesas y desafíos]. Genome Medicine,11(20), https://doi.org/10.1186/s13073-019-0632-z
Flory, A., Kruglyak, K. M., Tynan, J. A., McLennan, L. M., Rafalko, J. M., Fiaux, P. C., … Tsui, D. W. Y. (2022). Clinical validation of a next-generation sequencing-based multi-cancer early detection “liquid biopsy” blood test in over 1,000 dogs using an independent testing set: The cancer detection in Dogs (CANDiD) study [Validación clínica de una prueba de sangre de “biopsia líquida” para la detección temprana de múltiples cánceres basada en secuenciación de última generación en más de 1000 perros utilizando un conjunto de pruebas independiente: El estudio detección de cáncer en perros (CANDiD)]. PLOS ONE, 17(4), e0266623. https://doi.org/10.1371/journal.pone.0266623
Garden, O. A., Volk, S. W., Mason, N. J., & Perry, J. A. (2018). Companion animals in comparative oncology: One Medicine in action [Animales de compañía en oncología comparada: Una Medicina en acción]. The Veterinary Journal, 240, 6-13. https://doi.org/10.1016/j.tvjl.2018.08.008
Greco, A., Meomartino, L., Gnudi, G., Brunetti, A., & Giancamillo, M. D. (2023). Imaging techniques in veterinary medicine. Part II: Computed tomography, magnetic resonance imaging, nuclear medicine [Técnicas de imagen en medicina veterinaria. Parte II: Tomografía computarizada, resonancia magnética, medicina nuclear]. European Journal of Radiology Open, 10(100467). https://doi.org/10.1016/j.ejro.2022.100467
Heitzer, E., Haque, I. S., Roberts, C. E. S., & Speicher, M. R. (2019). Current and future perspectives of liquid biopsies in genomics-driven oncology [Perspectivas actuales y futuras de las biopsias líquidas en la oncología impulsada por la genómica]. Nature Reviews. Genetics, 20, 71-88. https://doi.org/10.1038/s41576-018-0071-5
Henriksen, T. V., Reinert, T., Christensen, E., Sethi, H., Birkenkamp-Demtröder, K., Gögenur, M., Gögenur, I., Zimmermann, B. G., IMPROVE Study Group, Dyrskjøt, L., & Andersen, C. L. (2020). The effect of surgical trauma on circulating free DNA levels in cancer patients-implications for studies of circulating tumor DNA [El efecto del trauma quirúrgico sobre los niveles de ADN libre circulante en pacientes con cáncer: implicaciones para los estudios de ADN tumoral circulante]. Molecular Oncology, 14(8), 1670-1679. https://doi.org/10.1002/1878-0261.12729
Jordan, E. por M. (2024). Dog Cancer Q&A: Types, Symptoms, Prevention, and More [Tipos, síntomas, prevención y más]. WebMD. https://www.webmd.com/pets/dogs/features/dogs-and-cancer-get-the-facts
Kalendralis, P., Traverso, A., Shi, Z., Zhovannik, I., Monshouwer, R., Starmans, M. P. A., Klein, S., Pfaehler, E., Boellaard, R., Dekker, A., & Wee, L. (2019). Multicenter CT phantoms public dataset for radiomics reproducibility tests [Conjunto de datos públicos de fantasmas de TC multicéntricos para pruebas de reproducibilidad radiómica]. Medical Physics, 46(3), 1512-1518. https://doi.org/10.1002/mp.13385
Khalifa, M., & Albadawy, M. (2024). AI in diagnostic imaging: Revolutionising accuracy and efficiency [IA en diagnóstico por imagen: revolucionando la precisión y la eficiencia]. Computer Methods and Programs in Biomedicine Update, 5(100146). https://doi.org/10.1016/j.cmpbup.2024.100146
Knappskog, S., Grob, T., Venizelos, A., Amstutz, U., Hjortland, G. O., Lothe, I. M., Kersten, C., Hofsli, E., Sundlöv, A., Elvebakken, H., Garresori, H., Couvelard, A., Svensson, J., Sorbye, H., & Perren, A. (2023). Mutation Spectrum in Liquid Versus Solid Biopsies From Patients With Advanced Gastroenteropancreatic Neuroendocrine Carcinoma [Espectro de mutaciones en biopsias líquidas y sólidas de pacientes con carcinoma neuroendocrino gastroenteropancreático avanzado]. JCO Precision Oncology, 7, e2200336. https://doi.org/10.1200/PO.22.00336
Kruglyak, K. M., Leibman, N., Nahama, A., Dharajiya, N., van den Boom, D., Jensen, T. J., Friedman, J. S., Shen, M. R., Clemente-Vicario, F., Chorny, I., Tynan, J. A., Lytle, K. M., Holtvoigt, L. E., Murtaza, M., Diaz, L. A., Tsui, D. W. Y., & Grosu, D. S. (2021). Horizons in Veterinary Precision Oncology: Fundamentals of Cancer Genomics and Applications of Liquid Biopsy for the Detection, Characterization, and Management of Cancer in Dogs [Horizontes en Oncología Veterinaria de Precisión: Fundamentos de la Genómica del Cáncer y Aplicaciones de la Biopsia Líquida para la Detección, Caracterización y Tratamiento del Cáncer Canino]. Frontiers in Veterinary Science, 8, 664718. https://doi.org/10.3389/fvets.2021.664718
Kumar, R., Srivastava, R., & Srivastava, S. (2015). Detection and Classification of Cancer from Microscopic Biopsy Images Using Clinically Significant and Biologically Interpretable Features [Detección y clasificación del cáncer a partir de imágenes de biopsia microscópica utilizando características clínicamente significativas y biológicamente interpretables]. Journal of Medical Engineering, 2015, 1-14. https://doi.org/10.1155/2015/457906
London, C. (2023). Advances in the detection, characterization, and monitoring of cancer in pets [Avances en la detección, caracterización y seguimiento del cáncer en mascotas]. DVM360, 54(3), 32. https://www.dvm360.com/view/advances-in-the-detection-characterization-and-monitoring-of-cancer-in-pets
Lone, S. N., Nisar, S., Masoodi, T., Singh, M., Rizwan, A., Hashem, S., El-Rifai, W., Bedognetti, D., Batra, S. K., Haris, M., Bhat, A. A., & Macha, M. A. (2022). Liquid biopsy: A step closer to transform diagnosis, prognosis and future of cancer treatments [Biopsia líquida: Un paso más cerca de transformar el diagnóstico, el pronóstico y el futuro de los tratamientos contra el cáncer.]. Molecular Cancer, 21(79), 1-22. https://doi.org/10.1186/s12943-022-01543-7
Nascimento, C., & Ferreira, F. (2021). Tumor microenvironment of human breast cancer, and feline mammary carcinoma as a potential study model [Microambiente tumoral del cáncer de mama humano y carcinoma mamario felino como posible modelo de estudio]. Biochimica et Biophysica Acta (BBA) - Reviews on Cancer, 1876(1), 188587. https://doi.org/10.1016/j.bbcan.2021.188587
O’Kell, A. L., Lytle, K. M., Cohen, T. A., Wong, L. K., Sandford, E., Rafalko, J. M., Brandstetter, G., DiMarzio, L. R., Phelps-Dunn, A., Rosentel, M. C., Warren, C. D., McCleary-Wheeler, A. L., Fiaux, P. C., Marass, F., Marshall, M. A., Ruiz-Perez, C. A., Kruglyak, K. M., Tynan, J. A., Hicks, S. C., … Flory, A. (2023). Clinical experience with next-generation sequencing–based liquid biopsy testing for cancer detection in dogs: A review of 1,500 consecutive clinical cases [Experiencia clínica con pruebas de biopsia líquida basadas en secuenciación de próxima generación para la detección de cáncer en perros: una revisión de 1500 casos clínicos consecutivos]. Journal of the American Veterinary Medical Association, 261(6), 827-836. https://doi.org/10.2460/javma.22.11.0526
Pereira, A. I., Franco, P., Leite, P., Ribeiro, A., Alves, M. S., Colaço, B., Loureiro, C., Gonçalves, L., Filipe, V., & Ginja, M. (2023). Artificial Intelligence in Veterinary Imaging: An Overview [Inteligencia artificial en imágenes veterinarias: una visión general]. Veterinary Sciences, 10(5). https://doi.org/10.3390/vetsci10050320
Pinello, K., Amorim, I., Pires, I., Cañadas, A., Catarino, J., Faísca, P., Branco, S., Peleteiro, M. C., Silva, D., Severo, M., & Niza, J. (2022). Vet-OncoNet: Malignancy Analysis of Neoplasms in Dogs and Cats [Vet-OncoNet: Análisis de neoplasias malignas en perros y gatos]. Veterinary Sciences, 9(10), 535. https://doi.org/10.3390/vetsci9100535
Pinho, S., & Reis, C. (2015). Glycosylation in cancer: mechanisms and clinical implications [Licosilación en el cáncer: mecanismos e implicaciones clínicas]. Nature reviews cáncer, 15,540-555 https://doi.org/10.1038/nrc3982
Rao, M. S., Van Vleet, T. R., Ciurlionis, R., Buck, W. R., Mittelstadt, S. W., Blomme, E. A. G., & Liguori, M. J. (2018). Comparison of RNA-Seq and Microarray Gene Expression Platforms for the Toxicogenomic Evaluation of Liver From Short-Term Rat Toxicity Studies [Comparación de plataformas de expresión génica de ARN-Seq y microarrays para la evaluación toxicogenómica del hígado a partir de estudios de toxicidad a corto plazo en ratas]. Frontiers in Genetics, 9(636). https://doi.org/10.3389/fgene.2018.00636
Sakthikumar, S. (2020). Characterizing the spectrum of somatic alterations in canine and human cancers [Caracterización del espectro de alteraciones somáticas en cánceres caninos y humanos]. ProQuest Dissertations & Theses. https://n9.cl/x55rs
Schwenck, J., Sonanini, D., Cotton, J. M., Rammensee, H.-G., la Fougère, C., Zender, L., & Pichler, B. J. (2023). Advances in PET imaging of cancer [Avances en la imagen PET del cáncer]. Nature Reviews Cancer, 23, 474-490. https://doi.org/10.1038/s41568-023-00576-4
Simpson, S., Rizvanov, A. A., Jeyapalan, J. N., de Brot, S., & Rutland, C. S. (2022). Canine osteosarcoma in comparative oncology: Molecular mechanisms through to treatment discovery [Osteosarcoma canino en oncología comparada: desde los mecanismos moleculares hasta el descubrimiento del tratamiento]. Frontiers in Veterinary Science, 9. https://doi.org/10.3389/fvets.2022.965391
Slack, F. J., & Chinnaiyan, A. M. (2019). The Role of Non-coding RNAs in Oncology [El papel de los ARN no codificantes en oncología]. Cell, 179(5), 1033-1055. https://doi.org/10.1016/j.cell.2019.10.017
Sollini, M., Antunovic, L., Chiti, A., & Kirienko, M. (2019). Towards clinical application of image mining: A systematic review on artificial intelligence and radiomics [Hacia la aplicación clínica de la minería de imágenes: una revisión sistemática sobre inteligencia artificial y radiómica]. European Journal of Nuclear Medicine and Molecular Imaging, 46, 2656-2672. https://doi.org/10.1007/s00259-019-04372-x
Suarez, A. (2023). Cáncer de estómago en animales pequeños: La importancia de un diagnóstico temprano. Royal Veterinary College. https://www.rvc.ac.uk/clinical-connections/stomach-cancer-in-small-animals-the-importance-of-an-early-diagnosis
Timothy, M. (2014). Pain Management in Veterinary Patients with Cancer [Manejo del dolor en pacientes veterinarios con cáncer]. Veterinary Clinics of North America: Small Animal Practice, 44(5), 989-1001. https://doi.org/10.1016/j.cvsm.2014.05.005
Varshney, J., Scott, M. C., Largaespada, D. A., & Subramanian, S. (2016). Understanding the Osteosarcoma Pathobiology: A Comparative Oncology Approach [Comprensión de la patobiología del osteosarcoma: un enfoque oncológico comparativo]. Veterinary Sciences, 3(1), 3. https://doi.org/10.3390/vetsci3010003
Wanamaker, M. W., Vernau, K. M., Taylor, S. L., Cissell, D. D., Abdelhafez, Y. G., & Zwingenberger, A. L. (2021). Classification of neoplastic and inflammatory brain disease using MRI texture analysis in 119 dogs [Clasificación de enfermedades cerebrales neoplásicas e inflamatorias mediante análisis de textura por resonancia magnética en 119 perros]. Veterinary Radiology & Ultrasound, 62(4), 445-454. https://doi.org/10.1111/vru.12962
Yitbarek, D., & Dagnaw, G. G. (2022). Application of Advanced Imaging Modalities in Veterinary Medicine: A Review [Aplicación de modalidades avanzadas de imagenología en medicina veterinaria: una revisión]. Veterinary Medicine (Auckland, N.Z.), 13, 117-130. https://doi.org/10.2147/VMRR.S367040
Yoon, Y., Hwang, T., & Lee, H. (2018). Prediction of radiographic abnormalities by the use of bag-of-features and convolutional neural networks [Predicción de anomalías radiográficas mediante el uso de bolsas de características y redes neuronales convolucionales]. Veterinary Journal (London, England: 1997), 237, 43-48. https://doi.org/10.1016/j.tvjl.2018.05.009
Publicado
Cómo citar
Número
Sección
Derechos de autor 2025 Revista Científica Arbitrada en Investigaciones de la Salud GESTAR. ISSN: 2737-6273.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
