Deep learning-based framework for cardiac function assessment in embryonic zebrafish from heart beating videos.
Deep learning-based framework for cardiac function assessment in embryonic zebrafish from heart beating videos.
复制标题
DOI：
10.1016/j.compbiomed.2021.104565
复制
发表时间：
2021-08
影响因子：
7.7
通讯作者：
Cao H
中科院分区：
文献类型：
--
作者：
Naderi AM;Bu H;Su J;Huang MH;Vo K;Trigo Torres RS;Chiao JC;Lee J;Lau MPH;Xu X;Cao H
斑马鱼是一种功能强大且广泛使用的模型系统，用于许多生物学研究，包括心血管研究和遗传筛查。斑马鱼在发育阶段很容易评估;然而，目前量化和监测心脏功能的方法主要涉及繁琐的手工工作和不一致的估计。在这篇论文中，我们开发并验证了一个基于U-net深度学习模型的斑马鱼自动心血管评估框架（ZACAF），用于自动评估心血管指标，如射血分数（EF）和缩短分数（FS），这些指标来自野生型和心肌病突变斑马鱼胚胎的显微镜视频。我们的方法取得了良好的性能，与人工处理相比，准确率超过90%。我们只使用了黑色和白色常规显微镜记录，帧速率为5-20帧每秒（fps）;因此，该框架可以广泛适用于任何实验室资源和基础设施。最重要的是，自动功能有望为大量视频提供高效、一致和可靠的处理和分析能力，这些视频可以由不同的协作团队生成。
Zebrafish is a powerful and widely-used model system for a host of biological investigations, including cardiovascular studies and genetic screening. Zebrafish are readily assessable during developmental stages; however, the current methods for quantifying and monitoring cardiac functions mainly involve tedious manual work and inconsistent estimations. In this paper, we developed and validated a Zebrafish Automatic Cardiovascular Assessment Framework (ZACAF) based on a U-net deep learning model for automated assessment of cardiovascular indices, such as ejection fraction (EF) and fractional shortening (FS) from microscopic videos of wildtype and cardiomyopathy mutant zebrafish embryos. Our approach yielded favorable performance with accuracy above 90% compared with manual processing. We used only black and white regular microscopic recordings with frame rates of 5–20 frames per second (fps); thus, the framework could be widely applicable with any laboratory resources and infrastructure. Most importantly, the automatic feature holds promise to enable efficient, consistent, and reliable processing and analysis capacity for large amounts of videos, which can be generated by diverse collaborating teams.
登录
查看更多内容
影响因子：
10.8
作者：
Chen, Zhenyue;Huang, Wei;Xu, Xiaolei
通讯作者：
Xu, Xiaolei
DOI：
10.1109/tpami.1986.4767851
发表时间：
1986-11-01
影响因子：
23.6
作者：
CANNY, J
通讯作者：
CANNY, J
影响因子：
37.8
作者：
Pagidipati NJ;Gaziano TA
通讯作者：
Gaziano TA
影响因子：
2.7
作者：
Wessel, RJ;Bodmer, R
通讯作者：
Bodmer, R
影响因子：
2.5
作者：
Wheeler, FC;Fernandez, L;Marchuk, DA
通讯作者：
Marchuk, DA