解锁心脏运动:评估软件和机器学习的单细胞和心脏状动力学见解
Margherita Burattini1,2, Francesco Paolo Lo Muzio2,3, Mirko Hu2
1Department of Surgery, Dentistry and Maternity, University of Verona, Verona, Italy.
Scientific reports
|January 20, 2024
概括
这项研究比较了计算机视觉软件用于分析心脏细胞运动. 肌肉运动,收缩波和ViKiE显示了相似的结果,ViKiE在灵敏度方面表现出色,而肌肉运动在机器学习准确度方面表现出色.
科学领域:
- 心血管研究研究心血管研究
- 生物物理学的生物物理.
- 计算生物学 计算生物学
背景情况:
- 准确量化心脏机械参数对于理解心脏功能至关重要.
- 计算机视觉和开源算法为测量细胞动力学提供了新的方法.
- 分析软件性能的变化需要在不同的生物模型中进行比较研究.
研究的目的:
- 为了比较不同计算机视觉软件工具的性能,用于分析心脏机械活动.
- 在in-silico模型中评估软件性能,成人心室心肌细胞和心脏细胞.
- 评估不同刺激频率和药理学剂对软件分析的影响.
主要方法:
- 在各种刺激条件 (0.5-2 Hz) 和物质暴露下获取心脏样本的高分辨率视频.
- 使用三个不同的软件分析视频:MUSCLEMOTION,CONTRACTIONWAVE和内部的ViKiE系统.
- 集成机器学习算法来评估运动跟踪方法的稳定性和准确性.
主要成果:
- 所有测试的软件 (MUSCLEMOTION,CONTRACTIONWAVE,ViKiE) 提供了对心脏机械参数的可比估计.
- 由于局部分析,ViKiE在检测物质暴露下的微妙变化方面表现出更高的灵敏度.
- 肌肉运动和收缩波提供了强大的时间相关性和高效的全球评估.
- 使用MUSCLEMOTION数据训练的机器学习模型与其他模型相比,获得了更高的准确性 (>83%).
结论:
- 软件的选择显著影响动力学分析,ViKiE适用于敏感检测,而MUSCLEMOTION/CONTRACTIONWAVE适用于更广泛的时间相关性.
- 结果指导心血管研究中的特定实验协议的适当软件工具的选择和集成.
- 这种比较分析提高了研究心脏力学计算方法的可靠性和准确性.
