基于预训练 Transformer 模型的膀胱主动收缩中局部应变场与变形量化：一种无斑点方法
组织与器官
2026-01-06 v1 人工智能
计算机视觉与模式识别
摘要
准确量化膀胱收缩期间的局部应变场对于理解膀胱排尿的生物力学（无论在健康还是疾病状态下）至关重要。传统的数字图像相关（DIC）方法已成功应用于 various biological tissues，但该方法需要人工斑点，会改变组织的被动及主动性质。本研究引入一种基于最先进的零样本 Transformer 模型 CoTracker3 的无斑点框架，用于量化局部应变场。我们利用自设计的便携式等温双向试验装置兼容多光子显微镜（MPM），成功跟踪自然膀胱腔表面的纹理，无需人工标记。基准测试验证了该方法的高像素精度和低应变误差。我们的框架有效捕捉了复杂折叠与皱褶导致的异质变形模式，而传统 DIC 往往难以跟踪。应用于体外活膀胱收缩（n=4）时，发现纵向收缩显著高于环状收缩（p<0.01），呈显著各向异性。多光子显微镜进一步描绘并确认了大幅折叠在主动收缩期间的形成。该非侵入式方法消除了斑点引起的伪影，实现更符合生理学意义的测量，适用于其他生物及人造系统的材料测试。
引用
@article{arxiv.2601.01315,
title = {Quantifying Local Strain Field and Deformation in Active Contraction of Bladder Using a Pretrained Transformer Model: A Speckle-Free Approach},
author = {Alireza Asadbeygi and Anne M. Robertson and Yasutaka Tobe and Masoud Zamani and Sean D. Stocker and Paul Watton and Naoki Yoshimura and Simon C Watkins},
journal= {arXiv preprint arXiv:2601.01315},
year = {2026}
}