由杰克逊实验室 (JAX) 副教授 Vivek Kumar 博士领导的研究团队开发了一种非侵入式方法,利用计算机视觉准确、连续地测量小鼠体重。该方法旨在减少与传统称重技术相关的压力,提高涉及小鼠的生物医学研究的质量和可重复性。
在人类健康和生物医学研究中,体重是一个关键指标,通常作为整体健康状况的指标和潜在健康问题的预测指标。对于研究小鼠(临床前研究中最常见的对象)的研究人员来说,测量体重传统上需要将动物从笼子中取出并放在秤上。
这个过程会给小鼠带来压力,引入变量来影响实验结果。此外,这些测量通常每隔几天才进行一次,这进一步增加了数据准确性和可重复性的难度。
Kumar 表示:“我们认识到需要一种更好的方法来准确、无创地测量动物随时间的质量。传统方法不仅给小鼠带来压力,还限制了测量的频率和可靠性,从而削弱了实验结果的有效性。”
为了应对这一挑战,Kumar 和他的计算科学家和软件工程师团队(包括第一作者 Malachy Guzman、Brian Geuther 硕士和 Gautam Sabnis 博士)转向了计算机视觉技术。Guzman 是卡尔顿学院的一名大四学生,曾是 JAX 的暑期学生,并以 Kumar 实验室的学年实习生身份继续了该项目。
通过分析 Kumar 之前用于评估梳理行为和步态姿势的最大的小鼠视频数据集之一,他们开发了一种误差小于 5% 的体重计算方法。该研究结果发表在 8 月 7 日的《Patterns》高级在线版上,为研究人员提供了一种新资源,有望提高各种临床前研究的质量。
研究团队在开发这种方法时面临多项挑战。与工业化养殖中用于测量体重的相对静止的实验对象不同,小鼠非常活跃且灵活,经常改变姿势和形状,就像一个可变形的物体。
此外,该团队还研究了 62 种不同的小鼠品系,重量从 13 克到 45 克不等,每种小鼠都有独特的大小、行为和毛色,因此需要使用多种视觉指标、机器学习工具和统计模型才能达到所需的准确度。
标签:
免责声明:本文由用户上传,如有侵权请联系删除!