迈向斑马鱼精准心血管分析：ZACAF 范式
图像与视频处理
2026-03-03 v2 计算机视觉与模式识别
摘要
量化斑马鱼的心血管参数（如射血分数）作为众多生物学研究的基础已被广泛研究。由于当前的手动监测技术耗时且易出错，已提出几种图像处理框架来实现该过程的自动化。大多数此类工作依赖于监督深度学习架构。然而，监督方法倾向于在其训练数据集上过拟合。这意味着将相同的框架应用于具有不同成像设置和突变类型的新数据可能会严重降低性能。我们开发了斑马鱼自动心血管评估框架（ZACAF）来量化斑马鱼的心脏功能。在这项工作中，我们进一步将数据增强、迁移学习（TL）和测试时增强（TTA）应用于 ZACAF，以提高斑马鱼心血管功能量化的性能。该策略可与现有框架集成，以协助其他研究人员。我们证明，即使使用受限数据集，利用 TL 也可以优化模型以适应新的显微镜设置，涵盖多样的突变类型并适应各种视频记录协议。此外，随着用户进行多轮 TL，预计模型的泛化能力和准确性都将得到显著提升。最后，我们应用此方法评估了心肌病模型 nrap 突变斑马鱼的心血管功能。
引用
@article{arxiv.2402.09658,
title = {Towards Precision Cardiovascular Analysis in Zebrafish: The ZACAF Paradigm},
author = {Amir Mohammad Naderi and Jennifer G. Casey and Mao-Hsiang Huang and Rachelle Victorio and David Y. Chiang and Calum MacRae and Hung Cao and Vandana A. Gupta},
journal= {arXiv preprint arXiv:2402.09658},
year = {2026}
}