大视野模型框架用于自动化的C. 优雅分析:从静态形态测量到动态神经活动

科学领域:

• 计算生物学
• 神经科学
• 发育生物学

背景情况:

• 对于Caenorhabditis elegans的定量表型是至关重要的,但由于数据提取的瓶而受到阻碍.
• 传统的分段方法难以处理图像变化 (噪音,重叠,照明),需要大量的手工工作或专用设备.

研究的目的:

• 介绍TWARDIS (虫自动识别和动态成像系统工具),这是一个基于人工智能的Python套件,用于自动化C. elegans图像分析.
• 在静态,行为和神经成像模式中展示TWARDIS的强度和多功能性.

主要方法:

• 借助大型基础视觉模型 (细分任何模型-SAM和SAM2) 和微调视觉转换器分类器.
• 开发了一个基于Python的模块化分析套件,用于自动化细分和表型化.
• 通过静态形态,游泳/爬行行为和成像进行验证.

主要成果:

• 在静态形态上实现了0.999的相关性,解决了噪音图像中的重叠虫.
• 在低分辨率的行为记录中实现高清姿态分析,
• 在成像数据中提供精确的神经区分和精确的头部位置提取.

结论:

• TWARDIS有效地自动化复杂的C. elegans图像分析,消除了关键的瓶和权衡.
• 人工智能系统提高了吞吐量,并减少了各种研究应用中的表型偏差.
• TWARDIS的模块化和可扩展的设计支持目前的可访问性和C. elegans研究的未来进展.