鱼胚发育异常的自动检测
计算机视觉与模式识别
2026-05-12 v1
摘要
鱼胚因其透明的光学特性和与人类基因的相似性而是药物发现的重要模型。然而，当前的评估依赖于人工检查，这既费时又费力。虽然机器学习提供了自动化的潜力，但进展受限于缺乏全面数据集。为此，我们引入了一个大规模数据集，包含高分辨率显微镜图像序列，记录了在对照条件下以及暴露于化合物（3,4-二氯苯胺）情况下的鱼胚发育。该数据集在细粒度时间水平上配有专家标注，支持两个基准任务：（1）生育分类，评估鱼卵的可存活性（130,368 张图像），（2）毒性评估，检测由有毒暴露诱导的畸形（55,296 张图像）。在数据集附近，我们提出了首个基于Transformer的基线模型，集成时空特征，用于在早期阶段预测发育异常。实验结果表明，该模型在生育分类中达到98%的准确率，在毒性评估中达到92%的准确率。这些发现凸显了自动化方法在增强鱼胚-based毒性分析中的潜力。
引用
@article{arxiv.2605.10464,
title = {Automated Detection of Abnormalities in Zebrafish Development},
author = {Sarath Sivaprasad and Hui-Po Wang and Anna-Lisa Jäckel and Jonas Baumann and Carole Baumann and Jennifer Herrmann and Mario Fritz},
journal= {arXiv preprint arXiv:2605.10464},
year = {2026}
}