基于自由移动小鼠面部表情的自动疼痛评估
Koji Kobayashi1, Naoaki Sakamoto2, Yusuke Miyazaki2
1Laboratory of Food and Animal Systemics, Graduate School of Agricultural and Life Sciences, The University of Tokyo, Tokyo 113-8657, Japan.
PNAS nexus
|November 17, 2025
概括
研究人员使用老鼠面部图像开发了一种自动化疼痛评估工具. 这种卷积神经网络 (CNN) 准确地检测到小鼠的疼痛和止痛作用,有助于疼痛研究.
科学领域:
- 神经科学是一个神经科学.
- 动物行为 动物行为
- 人工智能的人工智能
背景情况:
- 面部表情是哺乳动物疼痛的关键指标.
- 评估动物的疼痛通常需要专门的专业知识.
- 需要自动化方法来客观地评估小鼠的疼痛.
研究的目的:
- 开发一种自动化疼痛评估系统,使用自由移动的小鼠的面部图像.
- 训练一个卷积神经网络 (CNN) 来检测小鼠的疼痛.
- 为了验证CNN识别不同类型的疼痛和镇痛效果的能力.
主要方法:
- 在正常条件下使用老鼠的面部图像和诱导疼痛 (酸) 进行CNN训练.
- 训练有素的CNN在面部图像上进行了测试,这些图像来自于经历了由酸,素和与素基因相关的酸引起的疼痛的小鼠.
- 使用缩小尺寸和可视化技术来理解CNN的重点领域.
主要成果:
- 美国有线电视新闻网 (CNN) 准确地预测了小鼠遭受各种不包括在训练中的疼痛刺激的疼痛状态.
- 该系统成功地确定了非类固醇抗炎药物迪克洛芬雅克的止痛作用.
- 美国有线电视新闻网的分析强调了面部特定区域 (头部,额头,耳朵,眼睛,脸,鼻子) 对于疼痛检测至关重要.
结论:
- 通过使用面部成像和CNNs成功建立了一种自动化方法来评估自由移动的小鼠的疼痛.
- 这种人工智能驱动的方法为动物研究中的传统疼痛评估方法提供了客观有效的替代方案.
- 这些发现为在临床前研究中改进疼痛表型和药物有效性测试铺平了道路.
