探索从斑马鱼心跳视频中自动量化心脏功能参数的通用细分模型

科学领域:

• 心血管毒理学心血管毒理学
• 斑马鱼模型系统模型系统
• 图像的细分和分析.

背景情况:

• 准确量化心脏功能对于评估环境化学毒性至关重要.
• 目前对斑马鱼心脏功能评估的方法通常是手动的,耗时的和不准确的.

研究的目的:

• 开发和验证一个自动化的框架,用深度学习量化斑马鱼的心脏功能参数.
• 为了对斑马鱼心室和心周进行准确细分,对通用细分模型进行基准测试.

主要方法:

• 对20个最先进的深度细分模型进行基准测试.
• 使用表现最好的模型,Mask2Former,用于斑马鱼心跳视频中心室和心周的自动细分.
• 根据细分的心室和心周形态计算七个心脏功能参数.

主要成果:

• Mask2Former实现了高细分性能:93.46%的IOU和96.58%的Dice用于心室;83.31%的IOU和90.89%的Dice用于心周.
• 与手动测量相比,自动量化的心脏参数显示出高准确度,相对误差<10.0%.
• 该框架成功量化了心率,中风量,心脏输出,射出率和其他参数.

结论:

• 拟议的自动化框架为评估环境化学品对心血管的毒性提供了一个新的,快速和可靠的工具.
• 这种方法克服了手动和半自动方法的局限性,使全面的功能评估成为可能.
• 该研究强调了深度学习在水生模型中推进毒理学评估的潜力.