研究人员利用计算机视觉开发出无压力的小鼠称重方法

由杰克逊实验室(JAX)副教授VivekKumar博士领导的研究团队开发了一种非侵入式方法，利用计算机视觉准确、连续地测量小鼠体重。该方法旨在减少与传统称重技术相关的压力，提高涉及小鼠的生物医学研究的质量和可重复性。

在人类健康和生物医学研究中，体重是一个关键指标，通常作为整体健康状况的指标和潜在健康问题的预测指标。对于研究小鼠(临床前研究中最常见的对象)的研究人员来说，测量体重传统上需要将动物从笼子中取出并放在秤上。

这个过程会给小鼠带来压力，引入变量来影响实验结果。此外，这些测量通常每隔几天才进行一次，这进一步增加了数据准确性和可重复性的难度。

Kumar表示：“我们认识到需要一种更好的方法来准确、无创地测量动物随时间的质量。传统方法不仅给小鼠带来压力，还限制了测量的频率和可靠性，从而削弱了实验结果的有效性。”

为了应对这一挑战，Kumar和他的计算科学家和软件工程师团队(包括第一作者MalachyGuzman、BrianGeuther硕士和GautamSabnis博士)转向了计算机视觉技术。Guzman是卡尔顿学院的一名大四学生，曾是JAX的暑期学生，并以Kumar实验室的学年实习生身份继续了该项目。

通过分析Kumar之前用于评估梳理行为和步态姿势的最大的小鼠视频数据集之一，他们开发了一种误差小于5%的体重计算方法。该研究结果发表在8月7日的《Patterns》高级在线版上，为研究人员提供了一种新资源，有望提高各种临床前研究的质量。

研究团队在开发这种方法时面临多项挑战。与工业化养殖中用于测量体重的相对静止的实验对象不同，小鼠非常活跃且灵活，经常改变姿势和形状，就像一个可变形的物体。

此外，该团队还研究了62种不同的小鼠品系，重量从13克到45克不等，每种小鼠都有独特的大小、行为和毛色，因此需要使用多种视觉指标、机器学习工具和统计模型才能达到所需的准确度。

“在视频数据中，只有0.6%的像素属于每只老鼠，但我们能够应用计算机视觉方法来预测单个老鼠的体重，”古兹曼解释说。

“通过用遗传多样的小鼠品系训练我们的模型，我们确保它们能够处理实验室环境中常见的各种视觉和尺寸分布。最终，我们用于预测质量的统计模型可用于进行遗传和药理学实验。”

这种新方法为研究人员提供了几个关键优势。它能够检测到多天内体重的细微但显著的变化，这对于涉及药物或基因操作的研究至关重要。

此外，该方法有可能作为一般健康监测的诊断工具，并可在未来适应不同的实验环境和其他生物。