A Drosophila heart optical coherence microscopy dataset for automatic video segmentation.
A Drosophila heart optical coherence microscopy dataset for automatic video segmentation.
复制标题
DOI：
10.1038/s41597-023-02802-y
复制
发表时间：
2023-12-09
期刊：
影响因子：
9.8
通讯作者：
Zhou, Chao
中科院分区：
文献类型：
--
作者：
Fishman, Matthew;Matt, Abigail;Wang, Fei;Gracheva, Elena;Zhu, Jiantao;Ouyang, Xiangping;Komarov, Andrey;Wang, Yuxuan;Liang, Hongwu;Zhou, Chao
果蝇（Drosophila melanogaster）的心脏是一种特别适合心脏研究的模型。光学相干显微镜（OCM）捕捉在体内的横截面视频跳动的果蝇心脏的心功能定量。为了分析这些大尺寸的多帧OCM记录，已采用人标记，导致效率低且重现性差。在这里，我们介绍了一种强大而准确的自动化果蝇心脏分割算法，称为FlyNet 2.0+，它利用长短期记忆（LSTM）卷积神经网络来利用视频中的时间序列信息，确保一致的高质量分割。我们提供了一个包含213个果蝇心脏视频的数据集，相当于604，000个横截面图像，包含所有发育阶段和各种各样的跳动模式，包括比正常跳动更快和更慢的跳动，心跳，以及心脏停止的时期，以捕获这些心脏动力学。每个视频都包含一个对应的地面真实掩码。我们预计，这个独特的果蝇体内跳动心脏的大型数据集将使新的深度学习方法能够有效地表征心脏功能，以推进心脏研究。
The heart of the fruit fly, Drosophila melanogaster, is a particularly suitable model for cardiac studies. Optical coherence microscopy (OCM) captures in vivo cross-sectional videos of the beating Drosophila heart for cardiac function quantification. To analyze those large-size multi-frame OCM recordings, human labelling has been employed, leading to low efficiency and poor reproducibility. Here, we introduce a robust and accurate automated Drosophila heart segmentation algorithm, called FlyNet 2.0+, which utilizes a long short-term memory (LSTM) convolutional neural network to leverage time series information in the videos, ensuring consistent, high-quality segmentation. We present a dataset of 213 Drosophila heart videos, equivalent to 604,000 cross-sectional images, containing all developmental stages and a wide range of beating patterns, including faster and slower than normal beating, arrhythmic beating, and periods of heart stop to capture these heart dynamics. Each video contains a corresponding ground truth mask. We expect this unique large dataset of the beating Drosophila heart in vivo will enable new deep learning approaches to efficiently characterize heart function to advance cardiac research.
登录
查看更多内容
DOI：
10.3791/63939
发表时间：
2022-08-25
期刊：
Journal of visualized experiments : JoVE
影响因子：
--
作者：
Gracheva E;Wang F;Matt A;Liang H;Fishman M;Zhou C
通讯作者：
Zhou C
影响因子：
3.4
作者：
Oosterveer TTM;van der Meer SM;Scherptong RWC;Jukema JW
通讯作者：
Jukema JW
影响因子：
25
作者：
Lin, John Y.;Knutsen, Per Magne;Muller, Arnaud;Kleinfeld, David;Tsien, Roger Y.
通讯作者：
Tsien, Roger Y.
影响因子：
20.1
作者：
Paternostro, G;Vignola, C;Reed, JC
通讯作者：
Reed, JC
影响因子：
3.4
作者：
Dong, Zhao;Men, Jing;Zhou, Chao
通讯作者：
Zhou, Chao