一种基于深度学习的方法,用于在中枢神经系统损伤中进行公正的动力学分析
Maureen C Ascona1, Ethan Kim Tieu1, Erick Gonzalez-Vega1
1The Miami Project to Cure Paralysis, Department of Neurological Surgery, University of Miami Miller School of Medicine, Miami, FL, USA.
Experimental neurology
|September 6, 2024
概括
新的深度学习工具MotorBox和MotoRater提供客观的动力学分析,用于在脊髓损伤 (SCI) 后的小鼠运动. 这些系统改进了传统方法,提高了SCI研究中的功能评估的准确性和可重复性.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 疾病的动物模型.
背景情况:
- 创伤性脊髓损伤 (SCI) 影响了美国超过30万人,导致感觉运动缺陷和.
- 尽管在了解SCI病理学和确定治疗点方面取得了进展,但治疗的临床转化仍然有限.
- 目前的功能评估方法,如巴索鼠标尺度 (BMS),在灵敏度,可重现性和客观性方面存在局限性.
研究的目的:
- 开发和验证新的,无标记的动力学分析系统,用于评估SCI后的小鼠运动.
- 通过引入客观,数据驱动的指标来克服传统行为评估尺度的缺陷.
- 提高SCI研究中的功能结果测量的准确性,灵敏性和可重复性.
主要方法:
- 使用DeepLabCut深度学习算法开发了两种无标记运动分析范式,即MotorBox (定制室) 和MotoRater (商用设备).
- 通过将MotorBox和MotoRater系统与SCI小鼠的已建立的巴索鼠标尺度 (BMS) 进行比较来验证它们的性能.
- 提取了小鼠运动和步态的详细指标,以量化受伤后的运动器官功能.
主要成果:
- 摩托博克斯和摩托拉特系统提供了SCI后小鼠运动器官功能的准确和敏感的表示.
- 这些基于深度学习的动力学分析有效消除了传统评分方法固有的调查员偏见和变化.
- 提取的步态和运动指标提供了功能恢复的全面视图.
结论:
- MotorBox和MotoRater代表了SCI研究客观功能评估的重大进展.
- 将这些动力学工具与BMS等传统尺度相结合,可以提供更丰富,更可靠的SCI结果数据.
- 这些改进的评估方法对于提高SCI治疗临床翻译的严谨性和成功率至关重要.
