跳到主要内容

从斑马鱼幼虫视频计算心率的自动方法

抽象的

背景

斑马鱼是研究心脏发育和心脏相关发病机制的一种广泛使用的模式生物。斑马鱼在幼体阶段能够在没有功能循环的情况下存活,斑马鱼与哺乳动物之间具有很强的遗传相似性,繁殖能力强,胚胎具有光学透明性,因此斑马鱼在模拟哺乳动物心脏生理学和病理学以及大规模高通量筛选方面具有强大的优势。然而,仍然需要一种经济、方便的快速评估鱼类心脏功能的工具。有几种图像分析方法可以评估斑马鱼胚胎/幼虫的心脏功能,但它们仍然可以改进,以减少整个过程中的人工干预。这项工作开发了一种从视频中计算心率的全自动方法,心率是分析心脏功能的一个重要参数。它包含几个滤波器,用于识别心脏区域、减少视频噪声和计算心率。

结果

在受精后三天,用32个斑马鱼幼体心脏录像对该方法进行了评估。该方法测得的心率与人工计数测定的心率相当。实验结果表明,该方法在降低人工计数的人工成本和不确定度的同时,并没有损失精度。

结论

使用该方法,研究人员在分析视频之前不必手动选择感兴趣的区域。此外,设计用于降低视频噪声的滤波器可以缓解视频录制阶段的背景波动(如移位),这使得录像机可以轻松生成可用视频,从而减少录制时的手动操作。

背景

先天性心脏病(CHD)是最常见的先天性缺陷,占婴儿死亡的3%[1.].为了更好地预防和治疗这种缺陷,对心脏病发育的进一步理解是先决条件。为此目的提出了基于光学记录的许多自动或半自动分析系统。斑马鱼是一种脊椎动物模型,具有高遗传相似与哺乳动物[2.]. 体外受精的透明胚胎和幼虫能够实时观察胚胎发生过程中的心脏发育情况。胚胎在达到受精后7天(dpf)之前通过被动扩散直接从周围环境获得氧气。这一特点使得研究心脏结构和功能成为可能,即使在诱发严重先天性心脏缺陷的情况下也是如此[3.].上述优势使斑马鱼成为研究心脏发育的理想模型[4.].

迄今为止,已经有许多方法评估斑马鱼胚胎/幼虫的心脏功能[5.,6.,7.,8.,9,10,11,12,13].这些方法需要手动预先选择的感兴趣区域(ROI)以满足结果。为了解决这个问题,已经开发了几种数字图像分析方法以规范和自动化斑马鱼胚胎/幼虫的心脏评估[14,15,16,17,18,19,20].已经开发了上述半自动和自动方法,用于在不同条件下获得的视频。例如,Luca等人的工作。[15]使用来自谐振激光扫描共聚焦显微镜的视频,这对于一些实验室相当昂贵。麻醉问题已经解决了Pylatiuk等人。的工作[16],但Puybareau等人最近的一项研究[19仍然选择用三胞胎麻醉鱼胚胎。这些计算方法的贡献是准确估计实际采集过程的心率。

尽管在不同条件下获得了视频,但是所有上述方法都必须在视频采集之后面临两个重要问题:(a)识别心脏区域和(b)图像处理,以增强视频中的心跳信号。这项工作开发了一种新的心率估算方法。对于第一个问题,这项工作提出了一个半心脏面具来识别投资回报率。对于第二个问题,这项工作提出了经验模式分解(EMD)可以用作高通滤波​​器以降低视频噪声。这项工作的另一个贡献是所提出的方法和手动计数之间的比较策略。这项工作设计了一个实验,以量化手动误差,这被用作评估计算误差的参考。实验结果表明,该方法实现了与人类相同的误差水平。

本文的结构如下。第2节描述了提议的方法,包括三个主要步骤。第3节描述了它的性能,包括斑马鱼幼虫准备的细节、视频采集以及将计算出的心跳率与手动计数进行比较的实验。第4节总结了这项工作,并讨论了可能的扩展。

方法

所提出的心率计算的概念基于每个视频帧的亮度强度。无花果。1.显示通过视频的亮度强度具有与心跳相关的重复模式。该亮度强度函数在本文中表示为心跳信号(h信号)。无花果。2.显示所提出的方法的工作流程。对于斑马鱼幼虫视频,第一步是生成计算亮度强度的掩模。第二步是提取H信号。第三步是计算来自提取的H信号的心率。

图1
图1

心跳信号(H-Signals):(一种)斑马鱼幼虫视频(ID:MVI_5280),其中每个心跳对应两个亮度强度峰值(B.)一个斑马鱼幼体视频(ID:MVI_5269),其中斑马鱼幼体滑动。x轴为帧索引;y轴是该帧的亮度强度。亮(上半部分)和暗(下半部分)曲线分别表示拟议处理步骤前后的亮度强度。垂直虚线表示操作员通过视频识别心跳时的计数计时

图2
图2.

建议的心率计算流程图

半心脏面膜

数字3A显示视频中所有帧的亮度强度的变化水平。从整个视频区域提取H信号包括来自无趣区域的亮度强度,例如图1的右上角的亮像素。3A.它们严重影响提取的H信号,但与心跳弱。解决这个问题的常见做法是将心脏区域预选择为掩模以筛选不感兴趣的区域。但是,这种做法需要手动干预,这不适用于自动管道。

图3
图3.

在提出的半心脏掩模生成步骤中的四个过滤器输出:(一种)亮度强度的变化水平(较亮的像素变化较大)(B.)高度不同的地区;(C)心脏面具;(D.)半心脏面具。输出需要视频的所有帧的信息,并且仅为每个视频生成一次

这项工作开发了一个半心脏掩模生成的程序,由四个过滤器组成。鉴于斑马鱼幼虫视频,第一滤波器是为每个像素计算通过视频的亮度强度的变化水平。该滤波器首先将每个视频帧转换为灰度图像。在这项工作中,分析了12种颜色到灰度的方法[21]已经过测试。卢马方法[22没有伽玛矫正产生了最佳性能,并在这项工作中采用。使用12个颜色到灰度方法的性能可以在附加文件中找到1.. 在该转换之后,帧中的每个像素具有亮度强度,y. 这项工作定义了一个像素的亮度强度的变化水平(一世,j)在一个N- 框架视频作为变体N-1该像素的两个连续帧的亮度强度差异:

$$ \ frac {1} {n-1} \ sum \ limits_ {k = 1} ^ {n-1} \ left | {y} _ {i,j,k + 1} - {y} _ {i,j,k} \右|$$

在哪里yi、 j,k为像素的亮度强度(一世,j)K.-第四个视频帧。视频的所有像素的变化水平被标准化为[0255],以便它们可以被渲染为灰度图像,如图1所示。3A,这是第一个过滤器的输出。

第二个过滤器是找到亮度强度急剧变化的区域。通过设置百分比阈值,此滤波器将变化级别的灰度图像转换为二进制掩码,θ.这θ具有最高变化水平的%像素被转换为黑色(感兴趣的区域),否则转换为白色(非兴趣区域)。由于目标的目标区域是心灵,理想θ斑马鱼幼虫的视频取决于它的心脏与视频的比例:心脏区域与整个视频的面积比。在这项工作中收集的32个测试视频中,心与视频的比率从0.9%到10.0%不等。使用了这项工作θ = 4用于所有测试视频。该滤波器的结果是一个二进制掩码,如图所示。3B.

第三个过滤器是进一步减少图中的群岛状遮罩。3B.关注心脏区域。该过滤器的概念是检索最大的圆形岛屿。狭长的岛屿,即使面积很大,也不是人们感兴趣的地区。调用区域增长算法可以解决这个问题[23,24].DBSCAN算法[25[通过“像素密度”,为此任务采用了簇像素。DBSCAN的性质抑制了长而窄的簇的生长,因为它们的像素密度难以在扫描过程中保持。DBSCAN的另一个好处是群集数量不是预先要求的。通过应用邻域扩展,DBSCAN可以滤除噪声(即图像中的斑点),以准确地识别任意尺寸的群集[26].DBSCAN算法基于两个参数,epsilon定义核心像素(eps.)和最小点数(矿藏). 对于黑色像素,Q它的eps.-邻域包含与之距离的像素问:小于eps.. 如果eps.-附近有超过矿藏像素,问:被定义为核心像素。DBSCAN的扫描过程选择了一个任意像素P.从未扫描的黑色像素开始。如果P.是一个核心像素,P.及其eps.-Neighborach成立一个新岛。然后扫描这个岛上的所有像素及其eps.-Neighborcove被加入岛屿。还扫描新添加的像素以查看是否可以将更多像素添加到岛上。该扫描过程递归地进行,直到无法将像素添加到岛上。如果P.不是核心像素,P.被视为噪声并指定为无孤岛。然后,DBSCAN移动到下一个未扫描的黑色像素,并在扫描完所有黑色像素后停止。图形4.显示DBSCAN的伪电讯。使用了这项工作eps. = 20及矿藏 = 300 for all testing videos, of which the video resolution was 1280 X 720. If the video resolution changes,矿藏应该调整,因为相同区域中的像素数发生变化。这eps.还应调整以保持像素密度(矿藏/eps.2.).例如,如果视频分辨率从1280 x 720变为640 x 360(即区域变为1/4),则矿藏建议为300/4 = 75及eps.建议是20/根号4 = 10。该滤波器的结果为图中DBSCAN的最大岛。3C,这靠近心脏。

图4
图4.

DBSCAN算法的伪码

第四个过滤器是分割图的心脏面罩。3C分成两半,与斑马鱼心脏的心房和心室相对应。当大多数血细胞停留在心房时,心房区域的亮度强度达到最小值,而心室区域的亮度强度达到最大值。因此,整个心脏区域的亮度强度分为两种状态,其中心跳可能对应于两个亮度强度峰值,如图。1A.为了解决这样的双峰问题,这项工作旨在从心房或心室而不是整个心脏中提取亮度强度。要将心脏掩模分成两半,该滤波器首先计算每个视频帧的心脏掩模中的亮度强度质心。一个N-frame视频结果N质心。这K.- eans算法[27然后调用群集N质心分成两个簇:一个含有大多数血细胞在心房中的框架,另一个含有大多数血细胞在心室中的框架。这K.-均值算法根据质心的位置将质心划分为K.不相交的群集。群集时N数据指向K.群集,这K.- emeans算法最小化以下等式:

$$$ \ sum \ limits_ {i = 1} ^ k \ sum \ limits_ {j = 1} ^ n {w} _ {i,j} \ cdotp {\ left \ vert {c} _i- {p} _j \右\ vert} ^ 2 $$

在哪里Cj是的中心一世-th群集,P.jj-第个数据点,以及W.我,我等于1,如果P.j属于Cj否则为0。这项工作集K. = 2 for atrial and ventricular. AfterK.- 模糊,两个集群中心连接以形成线段。线段的垂直分子将心脏掩模切成两半。该步骤的最终掩模是如图2所示的前半面。3d.根据录制角度,最终半心脏掩模可能是心房或心室。

心跳信号提取

在该步骤中,提取半心脏掩模内的每个视频帧的亮度强度以形成H信号。对于视频的H信号,y- 在地点的价值X被定义为所有像素的亮度强度和X该视频的帧。H-信号中的峰值对应于心跳(图。1.).在峰值检测之前,在该步骤中引入了两个过滤器以增强信号。第一个过滤器使用移动平均值来降低高频噪声;第二个过滤器使用经验模式分解(EMD)方法[28]减少低频噪声。

在h信号中,亮度强度的变化来自血细胞分布的变化。血细胞的分布具有与心跳相关的重复模式,但并不稳定。因此,h信号通常是参差不齐的。锯齿信号可以建模为目标信号(即本研究中的心跳信号),与频率高于目标信号的噪声信号混合[29].移动平均是一种广泛采用的技术,可降低高频噪声。在这项工作中,采用指数移动平均(EMA)作为低通滤波器。EMA方法是无模型的,已被广泛用于时间序列分析[30.]. 在EMA中,最近的数据点比旧的数据点具有更高的权重[31.].平滑(EMA转换)的H信号是该滤波器的输出。

除了高频噪声外,一些斑马鱼幼虫视频的平滑h信号还有低频噪声,如图中的光曲线。1B..从视觉上看,低频噪声下平滑的h信号总体呈增加/减少的趋势。总体趋势可以模拟为增加一个频率远低于目标信号的信号。为了解决这一问题,本文提出了一种基于经验模态分解的高通滤波器。EMD方法是将输入信号分解为内禀模态函数(IMFs)的一种方法,内禀模态函数代表组成输入信号的简单振荡模态的集合。在IMF中,根据定义,极值数等于或至多与过零数相差1 [28]. 图形5.显示基于EMD的过滤器的工作流程。首先,使用平滑的H信号用作初始信号,S..二,局部最大值S.作为上部信封连接;虽然当地最小值S.作为下封套连接。三是均值曲线,,m,在上下封套之间进行插值。四是组成部分,,H,计算为S.m.如果H不是IMF,重复上述四个操作S. = H获取新组件。当某些组件满足IMF的要求时,整个循环停止。最终组件是高通滤波器的输出以及H信号提取步骤的输出。第“半心脏掩模生成的效果”讨论了低频噪声和所提出的基于EMD的滤波器对其的影响。

图5
图5.

基于分解的实证模式的工作流程:(一种)输入信号,S.;(B.)上下封套(C)平均曲线,m;(D.)货币基金组织部分,H=S.-m

心率计算

该步骤基于H-Signals峰值计算心率。常用录制操作(例如,设置和删除相机)可能会在视频的开始和结尾引入波动。为了排除这种干扰,仅考虑H-Signal的中间20%的时间,以用于心率计算。如果H-Signal的持续时间小于15秒,则考虑中间3 S.在该步骤中,输入H信号被分解成数据点。每个数据点是视频帧的亮度强度和。如果其值大于其连续两个点,则检测到数据点作为峰值。认为N在考虑的时间跨度中检测到峰值,T.. 传统的心率公式是N/T..该公式假定时间范围大致包含N时期。然而,实际上,从跨度开始到第一个峰值的时间加上从最后一个峰值到跨度结束的时间不能保证是一个完整的周期。为了避免这种不确定性,这项工作提出了一个心率公式,该公式将第一个和最后一个峰值之外的时间修剪:

$$ \ frac {n-1} {t_n- {t} _1} $$
(1)

在哪里T.NT.1.是所考虑时间跨度内的最后一个和第一个峰值的时间戳。

结果

“该款”评估指标“引入四个评估指数。“该款”心跳速率计算性能“呈现了通过手动计数通过所提出的方法计算的心率计算的验证。“该款”半心脏面膜生成的影响“探索提出的半心脏面膜的效果。“该款”Larva滑动问题和基于EMD的过滤器讨论了一个幼虫滑动问题和提出的基于emd的滤波器。

评估指标

桌子1.显示了在这项工作中采用的四个错误指标来评估心率计算。第一索引是指绝对误差(MAE),这是每个估计到答案的预期差异。第二个索引是根均方误差(RMSE),其平衡每个错误,然后报告平均误差的平均平均的平方根。这种正方形的根操作放大了极端值,这使得RMSE成为异常值的指示器。第三个和第四个指数是相对mae(RMAE)和RMSE(RRMSE),它在其他计算之前将每个错误转换为其相对形式(即答案的错误)。

表1评价指标

心跳速率计算性能

将该方法应用于32例斑马鱼幼体心脏视频的心率计算。每个视频还由11名操作员进行人工计数。这11名操作人员来自一个生物信息学实验室,接受过基础训练。在本质上,当对同一视频进行多次计数时,操作员发出的心率有一定的差异。为了减轻这种手动不稳定性,操作员对一个视频进行了30次计数。通过对11个操作人员的30个重复计数结果进行分析,本工作定义了两种人工误差:(a)个体误差,即测量一个操作人员重复实验之间的变化(即人的不稳定性);(b)人群误差,即测量不同操作人员之间的变化。计算结果和人群错误的视频的答案是该视频中所有手工计数结果的平均值。对于单个错误的视频,操作员的答案是不同的,操作员的答案是他的30个计数结果的平均值。

桌子2.显示了建议的方法和心跳检测和心率计算的手动计数的错误。这种工作的性能与主要特征(在“半心脏掩模生成”和“心跳信号提取”和“心跳信号提取”)中禁用的主要特征(描述的半心脏掩模和噪声过滤器),表示为“这项工作( - )”表中2.也提供了。对于心跳检测,平均误差小于1(MAE) = 0.844),表明所提出的方法是准确的。然而,手动计数在MAE、RMSE和rMAE方面取得了更好的性能。人工计数的相对较差的rRMSE是由几个异常值运算符造成的,这些异常值运算符的误差比其他运算符的误差大得多。这揭示了手动计数的问题,必须仔细选择操作员。这个问题是自动计数的一个关键优势。最后,本研究的MAE、RMSE、rMAE和rRMSE分别为本研究的50.9%、63.7%、52.7%和65.7%(−). 这一差距揭示了所提出的半心面具和噪声滤波器的重要性,这将在接下来的两小节中进一步分析。

表2心率计算的性能

对于心率计算,这项工作在所有评估指标中取得了最佳性能。请注意,由于它们处于差异尺度,因此不能直接比较心跳数量和心率的误差。考虑的时间跨度(EQ的分母。1.)对于32个视频范围为2.3至6.3。即,在心跳方面贡献1个绝对误差的未检测到的心跳,在心率方面贡献约0.16至0.43绝对误差。虽然心跳的数量(N在等式中。1.)比手动计数更低,它通过持续时间(方程式的分母)来补偿。1.).在第一个时计数时序的不稳定性(T.1.在等式中。1.)最后(T.N在等式中。1.)循环会损害手动计数的性能。无花果。1.说明心率计算中的典型手动错误计数计时(垂直虚线)未位于h信号峰值。观看视频时,操作员自然会找出一种视觉模式来识别心跳。该视觉模式是重复的(即每个h信号周期中手动计数定时的相对位置与其他周期中的相似),但因个体而异(即h信号中手动计数定时的相对位置因操作员而异)。除了不同视觉模式的群体误差外,还有个体误差。当对同一视频进行多次计数时,人类很难在完全相同的时间进行计数。第一节的位移(T.1.)和最后一次(T.N)计数会导致个别错误。由于消除了这种不稳定性,这项工作在心率计算方面优于人工计数。最后,与心跳检测一样,半心面罩和噪声滤波器在心率计算中起着重要作用。本研究的MAE、RMSE、rMAE和rRMSE分别为本研究的15.8%、13.4%、16.4%和14.0%(−). 该差距大于心跳检测的差距。

总之,通过所提出的方法和手动计数计算的心率准确(MAE <0.1和RMAE <5%)。手动计数的性能取决于操作员(相对较大的RMSE和RRMSE)。所提出的半掩模掩模和噪声滤波器在很大程度上降低了心率误差(在所有评估指标中减少了超过80%的错误)。这些结果表明,该方法可以准确且稳定地从斑马鱼幼虫心脏视频中计算心率。

半心脏面膜生成的影响

如小节所述”半心脏面膜“,这项工作的自动半心脏面膜生成有四个过滤器。前两个滤波器要求产生的区域的亮度强度高度变化。第三个过滤器询问该区域要大而且是圆形的。第四滤波器询问区域中的像素的亮度强度在类似的相位中变化。本小节讨论了这些过滤器对心率计算的影响。这里省略了心跳误差,因为它被心率计算的修剪版本很大,并且对所提出的方法并不重要。

桌子3.显示了所提出的方法的心率误差,逐步启用四个过滤器。视频掩码的性能与表中的此工作( - )的性能与表格不符2.因为噪声过滤器(“心跳信号提取”小节)已启用。可变区域遮罩过滤掉了95%以上的区域。最终的半心面具的面积仅占整个视频的1.4%,接近测试视频中最小的心视频比。随着过滤器的逐渐启用,所有评估指标都显示出严格的下降趋势。也就是说,这些过滤器成功地识别出比先前过滤器提供的区域更关键的子区域。无花果。6.比较不同过滤器的性能改进。总的来说,可变区域掩模的改进最大。半心面具的贡献率次之,心面具的贡献率最小。心脏面罩的作用很小,因为它也放大了双峰问题。整个心脏区域的亮度强度在心跳周期中有两个峰值,同时过滤掉不感兴趣的区域。因此,一些改进被抵消了。在这方面,通过解决双峰问题,半心面具恢复了聚焦心脏区域的改进。此外,半心面罩在RMSE和rRMSE中的贡献相对大于MAE和rMAE中的贡献。在rRMSE中,半心面罩的贡献超过了可变区域面罩(42.4%对38.2%)。这些结果表明,半心面具在减少离群值和所提出方法的稳定性方面发挥了相对关键的作用。

表3半心面罩生成对心率估计的影响
图6
图6.

每个掩模生成步骤的贡献。对于每个杆,从上到下的台阶是各种区域,心脏区域和半心区域。对于地区栏,心脏和半心脏区的贡献分别为0.8%和1.6%

总之,各种区域掩模的大贡献来自滤除大面积。心脏面膜产生了相对较小的贡献,但是半心脏掩模是一个必要的步骤。半心脏面膜的大贡献来自准确地识别亮度强度在类似阶段变化的像素。这种相一致性对于提高稳定性非常重要。

Larva滑动问题和基于EMD的过滤器

虽然这项工作中的斑马鱼幼虫安装在幻灯片上,但在一些视频中仍然观察到幼虫的滑动。无花果。7.显示具有幼虫滑动问题的示例视频,这导致了H-Signal的全局“倾斜”偏好。开发了该工作的基于EMD的过滤器来解决H-Sibels中的低频噪声来解决倾斜偏好。为了评估基于EMD的过滤器的效果,这项工作提出了一种测量倾斜偏好的索引(表示为TP-Index):

$$1-\frac{1}{n}\sum\limits{i=1}^n\frac{\min\left({p}{i-{l}{i,{p}{i-{r}{i \ right)}{\max\left({p}{i-{l}{i,{p}{i-{r}{i \ right)}$$

在哪里N是山峰的数量,P.一世一世-th峰,L.一世左边的槽是什么P.一世虽然R.一世是正确的水槽吗P.一世(无花果。8.).求和内的子方程测量较小的峰槽差的比率一世- 达到较大的峰值。当标题偏好增加时,该比率降低。TP索引被标准化为[0,1]的范围,从小到大的倾斜偏好。具有大型TP-Indices的视频进行了手动审查并确认具有幼虫滑动。

图7
图7.

关于斑马鱼幼虫滑动问题的视频(ID: MVI_5269)。的时间戳一种) 到 (D.)是0,7,13和20 s。顶部区域显示完整的视频帧,底部区域缩放到红色矩形。底部区域显示视频中的幼虫向上滑动。即,幼虫朝着完整视频框架的右上角幻灯片。在视频帧中,幼虫比背景更暗。如果幼虫在录制时滑入屏幕,则提取的H信号具有总体下降趋势;相反,如果幼虫滑出这样的示例视频,则提取的H信号具有如图所示的总体增加的趋势。1B.

图8
图8.

拟议tp指数的示意图

通过TP索引,将32个测试视频分为两组。第一个组,表示为大TP组,包括TP-Index> 0.5的十个视频;另一组表示为小型TP组,包括具有TP-Index <0.5的22个视频。基于EMD的过滤器预计对第一组的效果比第二组更大。桌子4.显示两个组上的性能,其中包含基于EMD的过滤器。两组之间的TP指数差异大(0.623 vs.0.300)。大型TP组的TP指数平均值超过0.5,表示十个视频遭受严重的幼虫滑动条件。基于EMD的过滤器在很大程度上降低了该组的TP指数(0.623-0.256 = 0.367)。在小型TP组中也观察到较小的改善(0.300-0.120 = 0.180)。通过降低倾斜偏好,基于EMD的过滤器在两个组上改进了所有评估指标。大TP组中的EMD(+)的性能接近小型TP组中的EMD( - )和EMD(+)的性能。这表明基于EMD的过滤器成功解决了幼虫滑动问题。

表4基于EMD的滤波器的效果

讨论

所提出的方法已经在中提供的两个视频上进行了测试[10],其中一个是一个苍蝇(BTN4602-RRROOCorR-Sup_85747a.mov),另一个是鼠标心脏(BTN4602-RRROOCorR-SUP_85750A.MOV)。可以在我们的在线演示页面中找到两个视频的程序输出(https://merry.ee.ncku.edu.tw/zebrafish/). 桌子5.显示结果。

表5在其他物种的两个视频上表现

虽然基于只有两个独立视频的结论可能太大,但结果揭示了所提出的方法对其他物种的心脏视频的潜力。

结论

这项工作介绍了一种计算来自斑马鱼幼虫视频的心率的管道。所提出的方法包含自动识别心脏区域的滤波器,并且可以在不预先选择心脏区域的情况下进行。它还包含滤镜可在视频录制阶段期间承受后台波动,这使得记录器轻松生成可用视频。实验结果表明,该方法不会损失准确性,同时在很大程度上降低了长期心跳计数的劳动力成本。可以扩展本工作中提出的自动和准确的心率计算方法,以计算像心跳规则等其他心脏功能。

在线示范

由于所提出的方法的目标是视频,在线演示页面https://merry.ee.ncku.edu.tw/zebrafish/是为了补充这本手稿中的静态图形而设置的。该方法的源代码存放在Github的https://github.com/mbilab/zebrafish

缩写

CHD:

先天性心脏病

dpf:

施肥后的日子

EMA:

指数移动平均线

EMD:

经验模态分解

H信号:

心跳信号

IMFS:

本征模函数

Mae:

平均绝对错误

rMAE:

相对毛

RMSE:

根均方误差

投资回报率:

兴趣区

rRMSE:

相对RMSE.

这项工作( - ):

这项工作的主要特点(半心脏面罩和噪声过滤器)被禁用。

TP-Index:

衡量倾斜偏好的指标

参考文献

  1. 1.

    Sadowski SL。新生儿婴儿的先天性心脏病:过去,现在和未来。Crit Care Nurs Clin North Am。2009; 21(1):37-48。

    文章PubMed.谷歌学者

  2. 2.

    金梅尔CB。斑马鱼的遗传学和早期发育。Genet。1989;5:283–8.

    中科院文章PubMed.谷歌学者

  3. 3。

    Lieschke GJ,Currie Pd。人类疾病的动物模型:斑马鱼游泳。NAT Rev Genet。2007; 8(5):353-67。

    中科院文章PubMed.谷歌学者

  4. 4。

    刘杰,Stainier DY.斑马鱼在早期心脏发育研究中的作用。中国保监会第2012号决议;110(6):870–4.

    中科院文章PubMed.pmed中央谷歌学者

  5. 5。

    Gervais-Pingot V,Legrand J,Nasr G,Schoevaert D.通过对药物肌细胞培养物的尿液和正式效应的图像分析进行体外定量。细胞生物毒素。1994年; 10(5-6):297-300。

    中科院文章PubMed.谷歌学者

  6. 6。

    Stainipe D,Fouquet B,Chen J-N,Warren Ks,Weinstein BM,Meiler SE,Mohideen M,Neuhauss S,Solnica-Krezel L,Schier AF。影响斑马鱼胚胎心血管系统形成和功能的突变。发展。1996; 123(1):285-92。

    中科院PubMed.谷歌学者

  7. 7.

    Schwerte T,überbacherd,佩斯斯特B.斑马鱼菌血细胞浓度和血细胞浓度的非侵入性成像,Zebrafish Danio Rerio在体内缺氧条件下孵育。J EXP BIOL。2003; 206(8):1299-307。

    文章PubMed.谷歌学者

  8. 8.

    福鲁哈尔A、霍夫J、卡尔弗特C、弗洛雷斯J、贾德瓦尔H、加里布M。胚胎斑马鱼的心电图特征。参加:医学和生物工程学会,2004年IEMBS第26届IEEE国际年会;2004年,第页。3615–7.

    谷歌学者

  9. 9

    烧伤CG,米兰DJ,Grande EJ,Rottbauer W,Macrae Ca,Fishman MC。用于调节斑马鱼胚胎心率的小分子的高通量测定。NAT CHEM BIOL。2005; 1(5):263。

    中科院文章PubMed.谷歌学者

  10. 10

    Fink M,Callol-Massot C,Chu A,Ruiz-lozano P,Belmonte JCI,Giles W,Bodmer R,OCORT K.一种检测和定量果蝇,斑马鱼和胚胎小鼠心脏心跳参数的新方法。生物技术。2009; 46(2):101。

    中科院文章PubMed.pmed中央谷歌学者

  11. 11

    Ocorr K, Fink M, Cammarato A, Bernstein SI, Bodmer R:小心脏的半自动化光学心跳分析。可视化实验杂志:JOVE2009;(31):e1435。

  12. 12

    OHN J,Luebly M.在体内,高通量成像,用于胚胎斑马鱼心脏功能表征。在:生物医学成像:从纳米到宏,2011年IEEE国际研讨会;2011. p。1549-52。IEEE。

    谷歌学者

  13. 13。

    吉隆坡Yozzo、伊萨莱斯总经理、拉弗瑞运输公司、沃尔兹特区。用于鉴定影响斑马鱼胚胎心血管功能的化学物质的高含量筛选试验。环境科学与技术。2013;47(19):11302–10.

    中科院文章谷歌学者

  14. 14。

    关键词:斑马鱼(Danio rerio),胚胎,心率,无创技术生物科技BMC》。2009;9(1):11。

    文章PubMed.pmed中央谷歌学者

  15. 15。

    de luca e,zaccaria gm,hadhoud m,rizzo g,ponzini r,morbiducci u,santoro mm。ZebRabeat:一种柔性平台,用于分析斑马鱼胚胎中的心率。SCI批准。2014; 4:4898。

    中科院文章pmed中央谷歌学者

  16. 16。

    Pylatiuk C、Sanchez D、Mikut R、Alshut R、Reichl M、Hirth S、Rottbauer W、Just S。斑马鱼胚胎心跳自动检测和分析。斑马鱼。2014;11(4):379–83.

    文章PubMed.pmed中央谷歌学者

  17. 17

    普瓦罗E,塔尔博特H,莱昂纳德M。鱼胚胎的自动心率估计。参加:图像处理理论、工具和应用(IPTA),2015年国际图像处理会议;2015年,第页。379–84.IEEE。

    谷歌学者

  18. 18

    内普斯塔德R、戴维斯E、阿尔廷D、诺德图格T、汉森BH。从鱼类早期生命阶段的显微镜视频自动测定心率。有毒环境与健康。2017;80(16–18):932–40.

    中科院文章谷歌学者

  19. 19

    Puybareaué,Genest D,Barbeau E,LéonardM,Talbot H.一种用于评估鱼类胚胎心脏骤停的自动化测定。计算Biol Med。2017; 81:32-44。

    文章PubMed.谷歌学者

  20. 20。

    Krishna S,Chatti K,Galigekere Rr:斑马鱼幼虫心率的自动和鲁棒估算。IEEE自动化科学与工程交易2017年。

  21. 21

    Kanan C,Cottrell GW。颜色到灰度:在图像识别中的方法是否重要?Plos一个。2012; 7(1):E29740。

    中科院文章PubMed.pmed中央谷歌学者

  22. 22

    杰克K。视频揭开了第四版的神秘面纱。纽恩斯:爱思唯尔;2007

  23. 23

    CRAMARIUC B,GABBOUJ M,ASTOLA J.基于聚类的彩色图像分割区域生长算法。在:数字信号处理程序,1997年DSP 97,1997第13届国际会议;1997. p。857-60。IEEE。

    谷歌学者

  24. 24

    特雷莫A,博雷尔N。一种用于颜色分割的区域生长合并算法。模式重新编码。1997;30(7):1191–203.

    文章谷歌学者

  25. 25。

    Celebi Me,亚landoganya,Bergstresser Pr。采矿生物医学图像具有基于密度的聚类。:国际信息技术会议:编码和计算(ITCC'05) - volume II;2005. p。163-8。IEEE。

    谷歌学者

  26. 26。

    酯M,Kriegel H-P,Sander J,Xu X.一种基于密度的算法,用于发现大型空间数据库中的群集噪声。在:KDD;1996. p。226-31。

    谷歌学者

  27. 27。

    Hartigan Ja,Wong Ma。算法为136:K-means聚类算法。appl stat。1979年:100-8。

  28. 28。

    黄讷,沈淑:《希尔伯特-黄变换及其应用》,第5卷。新加坡:世界科学出版社;2005

  29. 29

    LUN CHO Y:统计分析。Mishawaka:霍尔特国际1975年。

  30. 30。

    AWHEDA MD,Schwartz HM。基于指数移动平均的多轴增强学习算法。ARIF INTLE REV. 2016; 45(3):299-332。

    文章谷歌学者

  31. 31。

    Burkov A,Chaib draa B。在适应性同行在场的情况下进行有效学习。算法杂志。2009;64(4):127–38.

    文章谷歌学者

  32. 32。

    Westerfield M:斑马鱼书:Zebrafish的实验室使用指南(Brachydanio Rerio.).尤金:俄勒冈大学出版社;1995.

下载参考

致谢

特别感谢郑宇杰和林一轩帮助我们分析和展示结果。

基金

基金资助:台湾科技部(no . MOST 104-2628-E-006-004-MY3)。

可用性数据和材料

本研究期间生成和/或分析的数据集可根据合理要求从相应作者处获得。

作者信息

隶属关系

作者

贡献

DTHC和TFF构建了研究主题。hct准备了斑马鱼视频。CPK和PHC开发了算法并写了稿件。JMW改进了算法并开发了在线系统。所有作者阅读并认可的终稿。

通讯作者

对应到Darby Tien-Hao Chang

道德宣言

道德认可和参与同意

这项工作准备了32条斑马鱼(丹尼奥·雷里奥在受精后24小时(hpf)用0.003%1-苯基2-硫脲(PTU)处理以防止黑素生成的幼虫。在3 dpf时,将斑马鱼幼虫放置在凹面载玻片上,并在无麻醉的情况下安装在3%甲基纤维素中进行记录。斑马鱼饲养遵循标准饲养程序[32.].所有斑马鱼实验都是由国家成功大学动物使用协议批准的宣誓书批准(IACUC批准号96062)。Leica Z16 APO显微镜记录了幼虫视频,配备了Canon EOS 550D Megapixel数字单镜头反光相机。用于分析的视频以每秒60帧(FPS)记录,分辨率为1280 x 720。

竞争利益

作者声明他们没有相互竞争的利益。

额外的文件

附加文件1:

表S1。不同颜色到灰度方法的心率估计性能(DOCX(14 kb)

权利和权限

开放存取本文根据创意公约署署署的条款分发了4.0国际许可证(http://creativecommons.org/licenses/by/4.0/)如果您向原始作者和源给出适当的信用,则允许在任何介质中进行不受限制的使用,分发和再现,提供指向Creative Commons许可证的链接,并指示是否进行了更改。Creative Commons公共领域奉献豁免(http://creativecommons.org/publicdomain/zero/1.0/)除非另有说明,否则适用于本文中提供的数据。

重印和权限

关于这篇文章

通过交叉标记验证货币和真实性

引用这篇文章

康,CP。,涂,HC。,傅,TF。等等。一种从斑马鱼幼虫视频计算心率的自动方法。欧宝娱乐合法吗19,169 (2018). https://doi.org/10.1186/s12859-018-2166-6

下载引用

关键词

  • 斑马鱼
  • 图像处理
  • 心率
\