一个基于深度学习的系统,用于在Suncus murinus中高精度自动检测吐

科学领域:

• 计算生物学 计算生物学
• 神经科学是一个神经科学.
• 药理学 药理学是指药理学的学科.

背景情况:

• 在Suncus murinus中量化吐的传统方法是劳动密集型的,容易出现操作错误.
• 深度学习的进步为自动化和准确的动物行为分析提供了机会.

研究的目的:

• 开发和验证一种自动排泄检测 (AED) 工具,用于精确量化S. murinus中的排泄.
• 利用深度学习,特别是3D卷积神经网络和自我注意力机制,进行自动行为分析.

主要方法:

• 利用三维卷积神经网络和自我注意机制来创建AED工具.
• 使用S. murinus的运动诱导吐视频训练模型.
• 验证了AED工具在各种排泄物中的性能,包括树脂毒素,尼古丁和西斯.

主要成果:

• 在S. murinus. 吐检测方面获得了98.92%的整体准确性.
• 对于运动诱导的吐 (99.42%) 和各种吐剂 (范围从96.93%到100%) 证明了高精度.

结论:

• 基于深度学习的自动分析提高了效率,准确性,并减少了人类在量化动物行为的偏见.
• 该AED工具为开发S. murinus的自动行为分析模型提供了宝贵的见解,支持临床前研究和药物开发.