使用计算机视觉,高准确度和精确度地确定小鼠的质量

科学领域:

• 生物医学工程 生物医学工程
• 动物科学动物科学
• 计算机视觉 计算机视觉

背景情况:

• 体重变化是动物研究中的关键健康指标.
• 目前用于动物的手动称重方法诱导压力并提供静态数据.
• 临床前研究需要一个非侵入性的,持续的质量监测系统.

研究的目的:

• 开发和验证一种基于计算机视觉的方法来确定小鼠的体重.
• 评估在动物中进行非侵入性,持续性质量监测的可行性.
• 为了减少与动物研究中手动称重相关的混因素.

主要方法:

• 利用计算机视觉算法分析小鼠的视频数据.
• 结合视频分析和统计建模来预测身体质量.
• 在不同的老鼠菌株,外套颜色和身体质量上验证了该方法.

主要成果:

• 计算机视觉方法确定了老鼠的体重,错误率为4.8%.
• 在大多数研究中,这种准确性足以取代传统的手动称重.
• 在基因多样化的小鼠种群中证明了可行性.

结论:

• 通过视频分析视觉确定动物质量是一种可行的非侵入性技术.
• 这种方法可以进行持续的监测,提高临床前研究质量.
• 改善动物福利是这种非侵入性方法的一个显著好处.