一种深度学习方法来测量斑马鱼的视觉功能
Manjiri Patil1,2, Annabel Birchall1, Hammad Syed1,2
1The University of Leicester Ulverscroft Eye Unit, School of Psychology and Vision Sciences, University of Leicester, Robert Kilpatrick Clinical Sciences Building, P.O. Box 65, Leicester LE2 7LX, UK.
Biology
|June 26, 2025
概括
我们开发了一个深度学习管道来分析斑马鱼的光动力学反射 (OKR) 眼球运动. 这种新的方法准确地量化了白色斑马鱼的视觉行为,克服了传统技术的局限性.
科学领域:
- 神经科学和眼科研究研究.
- 斑马鱼作为视觉行为研究的模型生物
背景情况:
- 斑马鱼的光运动反射 (OKR) 对于模拟人类眼睛疾病和药物测试至关重要.
- 传统的OKR分析方法在低对比度或低颜色对象方面存在困难.
- 现有的技术往往需要昂贵的软件,或者被二元化限制.
研究的目的:
- 引入一种新的深度学习管道,用于对斑马鱼进行强大的光动力反射 (OKR) 分析.
- 为了证明管道在量化不同对比度和色素的眼睛运动方面的有效性.
- 验证深度学习方法与传统方法相比.
主要方法:
- 在DeepLabCut框架内使用ResNet-50模型进行眼睛跟踪.
- 将管道应用于野生类型和白色斑马鱼幼虫 (受精后5天).
- 使用深度学习管道和传统软件记录和分析眼动.
主要成果:
- 深度学习管道的准确性与传统的OKR分析方法相提并论.
- 该模型成功量化了低颜色 (白色) 斑马鱼幼虫的眼睛运动.
- 布兰德-阿尔特曼测试证实了深度学习方法的可靠性和一致性.
结论:
- 开发的深度学习管道为斑马鱼的OKR分析提供了强大的和可访问的方法.
- 这种方法克服了传统方法的局限性,特别是在涉及低对比度或低颜色模型的研究中.
- 该管道可适应斑马鱼的更广泛的行为研究,包括与眼睛和神经疾病相关的行为研究.
