[发明专利]一种小鼠关节炎疼痛量化分析方法、系统及存储介质

说明书

本发明公开了一种小鼠关节炎疼痛量化分析方法、系统及存储介质，包括获取双视角小鼠行为活动视频数据，分割出小鼠图像；提取视频关键帧集合，通过小鼠关键点标注得到小鼠图像样本集，训练姿态估计网络模型；将分割出的小鼠图像输入训练好的姿态估计网络模型，得到小鼠关键点坐标及置信度评分，然后将预测的关键点坐标还原至原小鼠视频图像坐标系中；对关键点中的异常点进行检测与校正，得到视频中小鼠身体关键点追踪序列；依据小鼠身体关键点追踪序列进行特征提取得到行为模式特征，进行统计分析后，对小鼠关节炎疼痛进行量化评估。本发明利用更加丰富的动物行为信息，对小鼠的关节炎疼痛状态进行可靠且全面的定量评估与检测。

技术领域

本发明涉及动物疼痛分析技术领域，具体涉及一种小鼠关节炎疼痛量化分析方法、系统及存储介质。

背景技术

关节疼痛是关节炎患者的主要临床表现之一。在医学研究中，小鼠是探索关节炎疼痛病因和治疗方法的重要动物模型，准确测量小鼠的关节炎疼痛对于揭示疼痛的神经生物学机制与发现有效的疼痛治疗方法至关重要。然而，由于疼痛固有的主观性质，很难对其进行客观的评价。传统的小鼠疼痛状态判断需要研究人员通过人工观察来衡量，该测量方式繁琐、耗时、主观性较强且可重复性差，很难实现疼痛的定量评估。

目前，研究中常用步态分析、家庭笼监控及转轮跑步行为检测等方式评估动物的关节炎疼痛状态。然而，现有市场检测产品大多数价格昂贵，各自都存在一定的使用局限性。例如，步态分析仅关注动物行走时的步态特征；家庭笼可以测量动物的自发行为，但需要对小鼠进行24小时以上长时间监测，短时间内测量效果不佳；转轮跑步检测需要至少一周的动物预训练，且不能从结果中甄别出由于动机缺乏而导致的行为减少情况。因此，有必要开发一种操作简单、价格低廉、且能够在较短时间内同时测量多种行为特征指标的分析系统，实现对小鼠关节炎疼痛的全面定量评估。

现阶段，新的深度学习方法的开发与应用大力推动了动物姿态估计研究领域的发展。近几年，动物姿态估计领域逐渐出现了一些新方法，这些方法在动物行为量化分析方面具有广阔的应用前景。基于动物姿态估计新方法可以实现动物姿态特征的无标记自动追踪，有助于开发新的、更加可靠的方法测量动物的疼痛状态。

发明内容

为了克服现有技术存在的缺点与不足，本发明提供一种基于双视角视频姿态估计的小鼠关节炎疼痛量化分析方法、系统及存储介质。本发明利用最新的视频姿态估计方法提取多种类型小鼠疼痛行为特征指标，解决现有技术中提取指标单一、产品昂贵及配置复杂等缺陷，实现对小鼠关节炎疼痛状态更加简便且全面的检测与分析。

本发明采用如下技术方案：

一种小鼠关节炎疼痛量化分析方法，包括；

获取双视角小鼠行为活动视频数据，进行预处理，检测每个视频帧中小鼠所在边框，分割小鼠图像，所述双视角包括仰视和俯视；

提取视频关键帧集合，进行小鼠关键点标注后得到图像训练样本集，训练基于堆叠DenseNet的姿态估计网络模型；

将分割出的小鼠图像输入训练好的姿态估计网络模型，得到小鼠关键点坐标及置信度评分，然后将预测的关键点坐标还原至原小鼠视频图像坐标系中；

基于置信度评分和每个视频帧中小鼠关键点的瞬时运动速度对关键点中的异常点进行检测与校正，得到视频中小鼠身体关键点追踪序列；

依据小鼠身体关键点追踪序列进行特征提取得到行为模式特征，进行统计分析后，对小鼠关节炎疼痛进行量化评估。

进一步，所述预处理后，检测每个视频帧中小鼠所在边框，分割出小鼠图像，具体为：

对俯视视角视频数据，使用Sobel算子进行物体边缘检测，提取内部面积最大的物体边缘边框作为小鼠边框，从而对俯视图中的小鼠图像进行分割；