基于机器视觉,为大嘴鱼 (Micropterus salmoides) 拉纳病毒 (LMBV) 开发一个全面的损伤严重性分类模型
Hui Sun1, Jixiang Hua1, Yifan Tao2
1Wuxi Fisheries College, Nanjing Agricultural University, Wuxi 214081, China.
International journal of molecular sciences
|September 27, 2025
概括
这项研究开发了一种机器视觉方法来量化大嘴 ranavirus (LMBV) 的损害. 该系统快速对病毒感染进行分级,有助于在鱼群中早期诊断和控制LMBV.
科学领域:
- 水生动物卫生 水生动物卫生
- 鱼类病理学 鱼类病理学
- 机器视觉应用 机器视觉应用
背景情况:
- 大口拉纳病毒 (LMBV) 导致鱼类的显著死亡率.
- 准确评估病毒引起的损害对于疾病管理至关重要.
- 评估LMBV严重程度的现有方法可能是主观和耗时的.
研究的目的:
- 开发和验证一种定量机器视觉方法,用于评估LMBV感染的大嘴的身体表面损伤.
- 建立一个等级系统,将视力损伤与组织病理学和分子发现相关联.
- 为早期诊断和管理LMBV疫情提供一个客观的工具.
主要方法:
- 获取高分辨率,多角度图像的受感染的大鱼.
- 机器视觉分析以量化损伤数量,面积和细分.
- 主要组件分析 (PCA) 以开发一个全面的损害评分模型.
- 组织病理学检查和定量实时PCR (qRT-PCR) 用于验证.
主要成果:
- 为病毒引起的身体表面损伤建立了一个四级评分系统 (0-3).
- 早期感染显示局部出血斑点,而严重的病例呈现出和亡.
- 与感染严重程度相关的促炎和亡相关基因的升级.
- 机器视觉方法在分类LMBV感染方面表现出高度客观性和迅速性.
结论:
- 一个新的,定量机器视觉系统提供了一个客观和快速的方法来分级LMBV严重程度的大嘴.
- 这种方法有助于早期检测,准确诊断和有效的控制策略,以预防病毒感染.
- 开发的分级系统支持在水产养殖和野生渔业中改善LMBV的管理.
