期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于深度学习的旷场精细行为分析系统建立以及在两种小鼠模型评价中的应用
1
作者 张建职 盛益华 +4 位作者 谷新丽 李由 贾竹君 王建飞 李思迪 《中国药理学通报》 北大核心 2026年第1期190-195,共6页
目的构建一种基于深度学习DeepLabCut(DLC)和DeepEthogram(DEG)算法的旷场精细行为分析系统,提升急性束缚应激(acute restraint stress,ARS)和间歇性酒精暴露(adolescent intermittent ethanol exposure,AIE)小鼠模型情绪类行为检测的... 目的构建一种基于深度学习DeepLabCut(DLC)和DeepEthogram(DEG)算法的旷场精细行为分析系统,提升急性束缚应激(acute restraint stress,ARS)和间歇性酒精暴露(adolescent intermittent ethanol exposure,AIE)小鼠模型情绪类行为检测的敏感性。方法单摄像头旷场实验(open field test,OFT)环境结合DLC和DEG算法建立系统,分析ARS和AIE小鼠的横向与纵向精细行为,并评估纵向行为对横向指标的影响。结果与对照组相比,ARS组中心区域传统水平运动速度明显减少,本系统精细指标中心区域水平运动速度、支撑站立时长、次数和潜伏期明显减少,传统运动时长明显大于水平运动时长,支撑站立时长与传统运动、静止时长有明显相关性;AIE组传统运动静止指标明显增加,本系统精细指标除水平运动时长外的水平运动静止指标均明显增加,支撑站立时长、次数、分布指数、分布密度、无支撑站立分布指数明显增加,传统运动静止指标明显大于水平运动静止指标。结论该研究建立的深度学习行为分析系统突破了传统OFT的局限性,实现对站立行为的自动量化,分析说明两种纵向站立行为对横向指标的影响并提出解决方案,为神经精神疾病研究和药物评价提供更敏感、全面的分析方法和思路。 展开更多
关键词 旷场实验 人工智能 DeepLabCut deepethogram 急性束缚应激 间歇性酒精暴露
暂未订购
上一页 1 下一页 到第
使用帮助 返回顶部