相关实验视频
Updated: Jul 12, 2025
03:57
Anesthesia-free Heartbeat Measurements in Freely Moving Zebrafish
Published on: April 18, 2025
445
使用物理模型训练的神经网络,对斑马鱼幼虫进行快速自动化的3D姿势估计
Aniket Ravan1,2, Ruopei Feng2,3, Martin Gruebele1,2,3,4
1Center for Biophysics and Quantitative Biology, University of Illinois at Urbana-Champaign, Urbana, Illinois, United States of America.
PLoS computational biology
|October 23, 2023
概括
我们开发了一个快速的,自动化的3D姿势估计方法,用于斑马鱼幼虫,使得详细的动力学分析没有人类标签. 这种方法显著加速了定量伦理学研究.
科学领域:
- 伦理学 伦理学 伦理学
- 生物物理学的生物物理.
- 机器学习 机器学习
背景情况:
- 准确的3D姿势动态对于定量伦理学至关重要.
- 最近的技术进步使得在复杂的场景中能够进行详细的动物姿势估计.
研究的目的:
- 为3D幼虫斑马鱼姿势估计提供一种快速,自动化的方法.
- 为研究人员提供3D幼虫姿势的数据集.
- 开发一种技术来生成现实的,注释的幼虫图像.
主要方法:
- 使用了具有折射校正的三摄像头系统进行3D记录.
- 采用一个卷积神经网络 (CNN) 训练在合成数据的姿势估计.
- 开发了幼虫的3D物理模型,以生成训练图像.
主要成果:
- 自动化的CNN方法实现了比基于模板的方法快三倍的姿势估计.
- 该方法的准确性可与人类标记或基于模板的方法相美.
- 该技术捕获了详细的3D幼虫游泳动态,并将其推广到不同的数据集和行为.
结论:
- 开发的方法为3D幼虫斑马鱼姿势估计提供了快速而准确的解决方案.
- 这种工具通过使详细的动力学分析成为可能,促进了定量行为学.
- 该方法适用于各种数据集和行为背景,推进斑马鱼研究.
