基于深度学习的胚胎斑马鱼心跳视频心功能评估框架
图像与视频处理
2021-02-25 v1
摘要
斑马鱼是一种强大且被广泛使用的模型系统，用于包括心血管研究与基因筛选在内的诸多生物学研究。斑马鱼在发育阶段易于观察；然而，当前心功能的量化与监测方法大多涉及繁琐的手动操作和不一致的估计。本文开发并验证了一种基于 U-net 深度学习模型的斑马鱼自动心血管评估框架(ZACAF)，用于从野生型与心肌病突变斑马鱼胚胎的显微视频中自动评估射血分数(EF)和缩短分数(FS)等心血管指标。与手动处理相比，我们的方法取得了高于 90% 准确率的良好性能。我们仅使用帧率为 5-20 帧每秒(fps)的黑白常规显微记录；因此，该框架可广泛适用于任何实验室资源与基础设施。最为重要的是，其自动特性有望为大量可由不同协作团队生成的视频提供高效、一致且可靠的处理与分析能力。
引用
@article{arxiv.2102.12173,
title = {Deep learning-based framework for cardiac function assessment in embryonic zebrafish from heart beating videos},
author = {Amir Mohammad Naderi and Haisong Bu and Jingcheng Su and Mao-Hsiang Huang and Khuong Vo and Ramses Seferino Trigo Torres and J. -C. Chiao and Juhyun Lee and Michael P. H. Lau and Xiaolei Xu and Hung Cao},
journal= {arXiv preprint arXiv:2102.12173},
year = {2021}
}