果蝇,科学上称为Drosophila,是研究人类心脏相关问题(如心脏老化和心肌病)的宝贵模型。然而,评估果蝇心脏的一个瓶颈是需要在心脏周期的特定点进行手动测量以分析心脏动力学。
伯明翰阿拉巴马大学的研究人员找到了一种通过利用深度学习和高速视频显微镜来简化这一分析过程的方法,从而在每次心跳时评估更多的心脏区域。
UAB的副教授Girish Melkani博士解释道:“我们的机器学习方法不仅加快了这一过程,还通过消除在收缩和舒张状态下手动标记心壁的需求来减少人为错误。这使得可以同时分析多个心脏。”
这一进展为探索环境和遗传因素如何影响心脏老化和疾病打开了新的可能性。Melkani预见到将使用深度学习研究各种小动物模型(如斑马鱼、小鼠,甚至可能是人类心脏模型)中的心脏变异模型,以获得关于心脏健康和疾病的见解。
果蝇模型在理解人类各种心血管疾病的潜在原因方面被证明是极为有益的,心血管疾病仍然是美国重要的死亡和残疾原因。
Melkani和他在UAB的同事对衰老的果蝇心脏和一种具有扩张性心肌病的果蝇模型进行了测试,显示出与现有实验数据经过验证的有希望的自动化评估。他们的模型准确地跟踪了果蝇心脏参数随时间的变化,从一周到五周。
该模型的适用性扩展到消费硬件,提供包括舒张期和收缩期间隔、分数缩短、射血分数、心率和量化心跳不规则等计算统计数据。
Melkani强调:“我们的创新平台基于深度学习的分割是首个利用标准高分辨率光学显微镜分析Drosophila心脏并量化所有相关参数的系统。”
通过自动化和增强测量过程,这种方法能够更准确和高效地对果蝇的心脏功能进行研究,提供的见解能够应用于人类心血管研究。