从手动计数到YOLO:使用计算机视觉来自动化大规模的生育测试. 优雅的

科学领域:

• 进化生物学
• 发育生物学
• 计算生物学

背景情况:

• 生育能力测量对于理解生殖能力和人口动态至关重要.
• 在Caenorhabditis elegans中手动计数后代是费时的,容易出错.
• 自动化方法有望提高生育测试的准确性和效率.

研究的目的:

• 开发和验证计算机视觉方法用于C. elegans的自动后代计数.
• 将计算机视觉模型的性能与手动计数方法进行比较.
• 评估计算机视觉对生育测定速度和一致性的影响.

主要方法:

• 应用计算机视觉使用YOLO (你只看一次) 模型 (v8-v11) 来分析9972张C. elegans的图像.
• 经过训练和微调的YOLO v11-L模型用于检测和计数可行的后代.
• 将自动计数与手动计数和地面真实数据进行比较,评估精度和回忆.

主要成果:

• 最好的计算机视觉模型 (YOLO v11-L) 在后代检测中实现了92%的回忆和94.6%的精度.
• 计算机视觉计数的平均差异为每张图像的0.95,明显低于手动计数 (2.65).
• 手动计数显示了与对照标识和实验条件相关的偏差,这些偏差在计算机视觉计数中是不存在的.

结论:

• 计算机视觉为C. elegans生育检测提供了强大,高效和一致的工具.
• 这种自动化方法克服了手动计数的局限性,减少了错误和偏差.
• 开发的管道可以广泛应用于加快使用数字图像分析的生态和进化研究.