基于可解释卷积神经网络的胚胎血管新生时间模式研究

发布时间：2021-03-15 12:04

　　理解血管网络新生的时间模式,有助于生物体发育机制研究和肿瘤等疾病的生理病理研究。提出以可解释卷积神经网络（CNN）研究鸡胚胎卵黄膜的血管新生时间模式的方法。基于CNN建立受精3 d后（3dpf）和4 d后（4dpf）的鸡胚胎血管网络图像的分类模型,以梯度加权的类激活映射（Grad-CAM）技术解释发育过程中血管网络形态拓扑的变化模式,并以此分类模型分析3dpf～4dpf之间血管新生的时间特性。实验共计观察17枚受精卵,结果显示最优模型区分3dpf与4dpf的血管图像的准确率达到98.62%。通过Grad-CAM技术对不同时期血管图像的特征进行可视化,发现3dpf～4dpf的发育过程主要表现为毛细血管网的生长发育。这些鸡胚胎卵黄膜在3dpf～4dpf时间段内,前12 h血管新生较为剧烈,随后趋于平稳。这些结果可为血管新生研究提供新的技术手段,并辅助血管新生机制、肿瘤发病机理和器官衰老过程等的相关研究。 

【文章来源】：中国生物医学工程学报. 2020,39(05)北大核心

【文章页数】：8 页

【部分图文】：

图像预处理。(a)原始图像;(b)灰度图像;(c)二值图像

胚胎血管新生模式分析模型框架

Le Net-5与Alex Net模型框架对比。(a) Le Net-5;(b) Alex Net

【参考文献】：
期刊论文
[1]斑马鱼胚胎早期血管系统的形成[J]. 杨婧,王志坚.  生命的化学. 2009(02)
[2]鸡胚绒毛尿囊膜模型在微血管实验研究中的应用[J]. 姚昶,薛涛,朱永康,Dr.GCM Steffens.  微循环学杂志. 2005(04)



本文编号：3084144