一个卷积神经网络来描述小鼠后肢在自愿轮子运行期间的脚打
Phillipe Huber1, Brandon J Ausk1, K Lionel Tukei1
1Orthopaedic Science Laboratories, Department of Orthopaedics and Sports Medicine, Institute for Stem Cell and Regenerative Medicine, University of Washington, Seattle, WA, United States.
Frontiers in bioengineering and biotechnology
|June 29, 2023
概括
研究人员开发了一个卷积神经网络 (CNN) 来分析小鼠在自愿轮子运行 (VWR) 期间的后肢脚撞击频率. 这种新的工具比传统的研究炼影响的方法提供了更高的分辨率.
科学领域:
- 动物行为和生理学.
- 机器学习在生物研究中的应用
- 运动研究的动物模型.
背景情况:
- 自愿轮跑 (VWR) 是研究动物运动效应的常见方法.
- 目前的VWR分析依赖于聚合的轮转,这些轮转缺乏关于活动模式的细节.
- 这限制了对运动对生理学的异质影响的理解.
研究的目的:
- 开发一种用于高分辨率分析VWR活动的新方法.
- 通过测量脚撞击频率来克服传统VWR数据的局限性.
- 为更好地理解运动和生理反应之间的关系提供一个工具.
主要方法:
- 一个六层卷积神经网络 (CNN) 的设计是为了检测后肢的脚打.
- 年龄较大的雌性小鼠 (C57BL/6,22个月) 接受了VWR,其活动记录在30/秒.
- 美国有线电视新闻网 (CNN) 的模型经过训练和验证,使用视频录制的手动分类的足球数据进行验证.
主要成果:
- 在训练套件上,CNN的准确度达到94%,在老鼠的验证数据上达到81%.
- 转移学习使CNN能够预测年轻小鼠 (68%准确率) 的脚撞击频率.
- 开发的CNN提供了比总计数更详细的VWR活动特征.
结论:
- 一个新的CNN工具以前所未有的分辨率非侵入性地量化VWR活动.
- 这种方法增强了将间歇性和异质运动模式与生理结果联系起来的能力.
- 该工具有可能推进对动物运动诱导的生理变化的研究.
