量化大鼠大脑中动脉阻塞模型运动功能损伤的系统和方法技术方案

本发明专利技术属于医学研究方法技术领域，具体涉及一种量化大鼠大脑中动脉阻塞模型运动功能损伤的系统和方法。本发明专利技术的系统包括：数据采集模块，用于采集动物的运动图像和足底压力数据；足部标记模块，用于根据人工智能框架在所述运动图像中标记动物的各只足，将所述足底压力数据归属到各只足；足底压力数据分析模块，用于根据所述足底压力数据分析所述动物的运动数据。本发明专利技术提供的系统和方法能够对大鼠MCAO模型进行量化分析，通过各项运动数据表征大鼠的神经功能损伤程度，可精确量化疾病状态，包括造模成功与否，造模严重程度和疾病进展情况。因此本发明专利技术在脑卒中的实验研究和药物开发中具有很好的应用前景。开发中具有很好的应用前景。开发中具有很好的应用前景。

【技术实现步骤摘要】
量化大鼠大脑中动脉阻塞模型运动功能损伤的系统和方法


[0001]本专利技术属于医学研究方法
，具体涉及一种量化大鼠大脑中动脉阻塞模型运动功能损伤的系统和方法。

技术介绍

[0002]脑卒中是常见的神经系统疾病，是中老年人的常见病，具有发病率、死亡率、致残率、复发率高的特点，是目前重点防治的一种疾病，已成为全世界范围内突出的一个公共卫生问题。缺血性脑卒中(Ischemic stroke,IS)作为脑卒中最为常见的类型，缺血性脑卒中是由于局部脑缺血及永久性脑梗死引发的突发神经功能缺损，症状和体征取决于受累的大脑区域，包括丧失身体的一侧感觉或运动能力，语言和理解出现问题，头晕或一侧视力丧失等。大脑中动脉(MCA)为临床上发生脑缺血损伤最常见的部位之一。故大脑中动脉阻塞(middle cerebral artery occlusion，MCAO)模型被广泛用于局灶性脑缺血的研究。用血管内线栓阻断法制备大鼠MCAO模型，已被脑血管病研究者广泛接受和采用。
[0003]神经症状评分能较好的评估大鼠MCAO模型脑缺血的情况。目前，国内主要广泛采用Longa和Bederson评分法。
[0004]Longa法为5级0～4分制：0分，无神经损伤；1分，提尾时对侧前肢内收屈曲(轻度神经损伤)；2分，爬行时向对侧旋转(中度神经损伤)；3分，站立或爬行时，向对侧倾倒(重度神经损伤)；4分，无自主活动伴意识障碍。
[0005]Bederson神经症状分级，无症状；1级，提尾时损伤对侧前肢不能伸直；2级，损伤对侧前肢屈曲，无转圈行为；3级，损伤对侧前肢屈曲，伴自发转圈行为。神经症状评分法直接、简便，不需要特殊仪器，可从整体上反映动物神经损伤程度，进行定性和半定量的评价。但是，此方法相对较为粗糙、主观，不能准确体现疾病的改善或恶化情况。
[0006]这两种方法在一定程度上反映了神经功能的损伤，但存在评价不够全面、分级不够细致等缺点。因此，需要联合灵敏的实验装置来识别动物的运动功能损伤。
[0007]步态分析(gait analysis)是指对人或动物的步行规律进行研究。对人类步态分析对疾病诊断、病因分析、疗效、人工关节和义肢设计、截瘫病人行走功能重建等均有重要意义。而对动物进行步态分析，则在利用动物模型进行疾病研究和药物开发时有着重要的应用价值。对大鼠MCAO模型进行步态分析能够有效地反映神经功能的损伤。然而，现有的步态分析装置(例如商品化的Catwalk系统)是基于光学原理，根据脚印的尺寸大小实现步态的分析，其精确度不足，无法反映神经运动系统的病变程度。因此，现有的步态分析系统无法用于大鼠MCAO模型的研究。

技术实现思路

[0008]针对现有技术的缺陷，本专利技术提供一种量化大鼠大脑中动脉阻塞模型运动功能损伤的系统和方法，目的在于通过步态分析，实现对大鼠MCAO模型的量化研究。
[0009]一种量化大鼠大脑中动脉阻塞模型运动功能损伤的分析系统，包括：
[0010]数据采集模块，用于采集动物的运动图像和足底压力数据；
[0011]足部标记模块，用于根据人工智能框架在所述运动图像中标记动物的各只足，将所述足底压力数据归属到各只足；
[0012]足底压力数据分析模块，用于根据所述足底压力数据分析所述动物的运动数据，所述运动数据包括各只足的压强和站立时间。
[0013]优选的，所述人工智能框架选自deeplabcut、sleap、DeepPoseKit或DLC Model Zoo。
[0014]优选的，实现将所述足底压力数据归属到各只足的方法为：将所述足底压力数据通过投影变换的方式映射到运动图像中。
[0015]优选的，所述运动数据还包括各只足的肢体运行速度、步幅长度、肢体摆动速度或肢体摆动时间中的至少一种；
[0016]和/或，所述运动数据还包括动物的平均运动速度或运动时间中的至少一种。
[0017]优选的，所述数据采集模块包括摄像装置和压力板。
[0018]本专利技术还提供一种量化大鼠大脑中动脉阻塞模型运动功能损伤的分析方法，包括如下步骤：
[0019]步骤1，采集动物的运动图像和足底压力数据；
[0020]步骤2，根据人工智能框架在所述运动图像中标记动物的各只足，将所述足底压力数据归属到各只足；
[0021]步骤3，根据所述足底压力数据分析所述动物的运动数据，所述运动数据包括各只足的压强和站立时间。
[0022]优选的，步骤2中，所述人工智能框架选自deeplabcut、sleap、DeepPoseKit或DLC Model Zoo。
[0023]优选的，步骤2中，实现将所述足底压力数据归属到各只足的方法为：将所述足底压力数据通过投影变换的方式映射到运动图像中。
[0024]优选的，所述运动数据还包括各只足的肢体运行速度、步幅长度、肢体摆动速度或肢体摆动时间中的至少一种；
[0025]和/或，所述运动数据还包括动物的平均运动速度或运动时间中的至少一种。
[0026]本专利技术还提供一种计算机可读存储介质，其上存储有用于实现上述分析方法的计算机程序。
[0027]本专利技术通过采集大鼠MCAO模型的运动图像和足底压力数据，并将二者进行融合，得到了大鼠MCAO模型运动数据，从而对大鼠MCAO模型的神经运动系统的病变程度进行量化。本专利技术的量化结果准确、数据为连续变量，能够有效排除研究人员的主观因素。此外，本专利技术的方法和系统能够将足底压力数据可视化地展示在动物的运动图像上，使得研究人员更加直观地观察到动物运动时四肢的具体情况。
[0028]本专利技术为大鼠MCAO模型的分析和研究提供了一种新的方法，具有非侵入性、客观性高和精确度高的优点，在大鼠MCAO模型的建模和研究中具有很好的应用前景。
[0029]显然，根据本专利技术的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本专利技术上述基本技术思想前提下，还可以做出其它多种形式的修改、替换或变更。
[0030]以下通过实施例形式的具体实施方式，对本专利技术的上述内容再作进一步的详细说
明。但不应将此理解为本专利技术上述主题的范围仅限于以下的实例。凡基于本专利技术上述内容所实现的技术均属于本专利技术的范围。
附图说明
[0031]图1为传统方法评估MCAO模型造模情况，其中，(A)造模前后脑血流，(B)造模后Longa评分；
[0032]图2为正常大鼠足底压强图像；
[0033]图3为MCAO大鼠足底压力图像；
[0034]图4为足底压力数据叠加到运动图像；
[0035]图5为大鼠四足的压力随时间变化的曲线。
具体实施方式
[0036]需要特别说明的是，实施例中未具体说明的数据采集、传输、储存和处理等步骤的算法，以及未具体说明的硬件结构、电路连接等均可通过现有技术已公开的内容实现。
[0037]实施例1
[0038]本实施例提供一种量化大鼠大脑中动脉阻塞模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种量化大鼠大脑中动脉阻塞模型运动功能损伤的分析系统，其特征在于，包括：数据采集模块，用于采集动物的运动图像和足底压力数据；足部标记模块，用于根据人工智能框架在所述运动图像中标记动物的各只足，将所述足底压力数据归属到各只足；足底压力数据分析模块，用于根据所述足底压力数据分析所述动物的运动数据，所述运动数据包括各只足的压强和站立时间。2.按照权利要求1所述的分析系统，其特征在于：所述人工智能框架选自deeplabcut、sleap、DeepPoseKit或DLC Model Zoo。3.按照权利要求1所述的分析系统，其特征在于：实现将所述足底压力数据归属到各只足的方法为：将所述足底压力数据通过投影变换的方式映射到运动图像中。4.按照权利要求1所述的分析系统，其特征在于：所述运动数据还包括各只足的肢体运行速度、步幅长度、肢体摆动速度或肢体摆动时间中的至少一种；和/或，所述运动数据还包括动物的平均运动速度或运动时间中的至少一种。5.按照权利要求1所述的分析系统，其特征在于：所述数据采集模块包括摄像装置和压力板。6.一种量化大鼠大脑中动脉...

【专利技术属性】
技术研发人员：李晓洁，钟治晖，吴哲，
申请(专利权)人：四川大学华西医院，
类型：发明
国别省市：