一种基于深度学习的方法,用于对猪骨肌肉肌肉肌肉纤维进行完全自动化的细分和定量分析
Zekai Yao1, Jingjie Wo2, Enqin Zheng3
1State Key Laboratory of Swine and Poultry Breeding Industry/ Guangdong Key Laboratory of Animal Breeding and Nutrition, Institute of Animal Science, Guangdong Academy of Agricultural Sciences, Guangzhou 510640, PR China; College of Animal Science and National Engineering Research Center for Breeding Swine Industry, South China Agricultural University, Guangzhou 510642, PR China.
准确的肌肉纤维细分是猪肉质量的关键. 一种新的深度学习方法 (SOLOv2) 自动分割复杂的肌肉纤维图像,提供可靠的尺寸和分布数据,与手动分析相提并论.
科学领域:
- 动物科学动物科学
- 生物技术是生物技术.
- 图像分析 图像分析
背景情况:
- 肌肉纤维的特性,特别是横截面积 (CSA),显著影响猪肉的质量特征,如剪切力.
- 精确的CSA测量依赖于精确的肌肉纤维细分,这是一个复杂和耗时的过程.
- 现有的细分方法难以处理复杂的图像,例如那些有冰晶损伤的图像.
研究的目的:
- 开发一种全自动的方法来对肌肉纤维显微镜图像进行细分.
- 使用深度学习准确测量肌肉纤维大小和分布.
- 在复杂的图像数据集上验证方法的性能.
主要方法:
- 使用SOLOv2深度学习架构进行图像细分.
- 将该方法应用于肌腺三酸盐 (mATPase) 染色的肌肉纤维图像.
- 将自动细分结果与手动分析进行比较.
主要成果:
- 基于SOLOv2的方法实现了肌肉纤维的全自动细分.
- 这种方法有效地处理复杂的图像,包括带有冰晶文物的图像.
- 定量结果可接受统计分析,并显示可靠性与手动细分相当.
结论:
- 开发的深度学习方法为肌肉纤维细分提供了高效和准确的解决方案.
- 这种自动化方法克服了现有方法的局限性,特别是复杂的肌肉组织图像.
- 获得的可靠测量结果可用于统计分析,以更好地了解猪肉质量决定因素.
更多相关视频
05:57A Rapid Automated Protocol for Muscle Fiber Population Analysis in Rat Muscle Cross Sections Using Myosin Heavy Chain Immunohistochemistry
Published on: March 28, 2017
10:37Author Spotlight: Decellularization-Based Quantification of Skeletal Muscle Fatty Infiltration
Published on: June 9, 2023
