基于可解释卷积神经网络的胚胎血管新生时间模式研究

摘要：

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3d后(3dpf)和4d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.

关键词：血管新生、卷积神经网络、鸡胚胎卵黄膜、梯度加权的类激活映射

所属期刊栏目：39

分类号：R318(医用一般科学)

资助基金：国家自然科学基金31870938,81871454

在线出版日期：2020-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：524-531