相关实验视频
Updated: Jan 8, 2026
10:19
3D Kinematic Gait Analysis for Preclinical Studies in Rodents
Published on: August 3, 2019
11.2K
在使用机器学习的骨关节炎大鼠模型中开发定量步态分析
Shinya Takenouchi1, Takashi Minato1, Masahiro Fukuda1
1Department of Animal Radiology, Graduate School of Agricultural and Life Sciences, The University of Tokyo, Tokyo, Japan.
Journal of pharmacological sciences
|December 13, 2025
概括
我们使用机器学习在老鼠身上开发了一种低成本,无标记标记的关节炎 (OA) 步态分析. 这种方法可以准确地将OA与健康动物区分开来,有助于疼痛和运动障碍研究.
科学领域:
- 生物医学工程 生物医学工程
- 动物模型 动物模型
- 机器学习在生物学中的应用
背景情况:
- 定量步态分析对于评估骨关节炎 (OA) 模型至关重要.
- 目前的方法可能是昂贵的,侵入性的,或需要标记物.
- 开发可访问的步态分析工具对于OA研究至关重要.
研究的目的:
- 为了建立一个低成本的,非侵入性和无标记的步态分析管道,用于老鼠骨关节炎模型.
- 利用机器学习来准确地分类走路异常.
- 为运动障碍研究提供可重复和公正的方法.
主要方法:
- 通过内关节注射单酸来诱导大鼠骨关节炎模型.
- 使用DeepLabCut用于联合坐标提取的无标记步态分析.
- 层次聚类和主要坐标分析用于数据解释.
主要成果:
- 机器学习根据步态特征准确地分离了骨关节炎和健康的老鼠群.
- 主要坐标分析证实了显著的组分离,同时保持了集团内部的变化.
- 开发的管道在分类步态异常方面表现出高度准确性.
结论:
- 成功开发了一种可复制,无偏见和具有成本效益的OA大鼠步态分析方法.
- 这种使用机器学习的无标记方法适用于OA和其他运动障碍模型.
- 该管道为临床前研究中的定量评估提供了有价值的工具.
