机器学习指导的视频分析识别了小鼠从面部微笑和身体暗示引起的声音引起的疼痛行为

科学领域:

• 神经科学是一个神经科学.
• 动物行为 动物行为
• 机器学习在生物学中的应用

背景情况:

• 听力疼痛是由大噪声或超声障引起的,其机制尚不清楚.
• 动物模型中的行为方法对于研究声音引起的疼痛至关重要.
• 目前的方法缺乏对听觉疼痛行为的客观,高通量分析.

研究的目的:

• 开发和验证基于深度学习的自动化框架,用于量化自由移动小鼠的听觉疼痛.
• 建立一种可靠的方法来测量声音引起的行为反应,表明疼痛.
• 为调查听力疼痛背后的机制提供一个工具.

主要方法:

• 一个深度神经网络被训练来分析面部微笑和身体姿势从视频录制的小鼠在声音暴露期间.
• 该框架使用由素基因相关 (CGRP) 诱导的偏头痛模型进行了验证.
• 在声音刺激期间,在野生类型小鼠和TMIE敲门式小鼠中评估了行为变化.

主要成果:

• 深度学习模型成功量化了面部微笑和姿势变化作为疼痛指标.
• 使用偏头痛模型建立了一个独特的疼痛值.
• 高强度声音暴露在野生类型小鼠中诱导了显著的疼痛行为,超过了既定的疼痛值.
• 经过TMIE淘汰赛的小鼠没有显著的行为变化,这表明耳传导的作用.

结论:

• 使用深度学习的自动化,高吞吐量框架能够对声音引起的疼痛行为进行客观和敏感的分析.
• 这种方法为未来研究听力疼痛的外周和中心机制提供了基础.
• 该研究在动物模型中展示了一种评估情感疼痛及其神经支的新方法.