目的探讨采用两种超排卵剂量下的鼠胚实验对辅助生殖实验室进行质控的可行性。方法对SPF级昆明雌性小白鼠行腹腔注射孕马血清促性腺激素(PMSG)和绒毛膜促性腺激素(HCG)超排卵,在采用8 IU PMSG+8 IU HCG和16 IU PMSG+16 IU HCG两种不同...目的探讨采用两种超排卵剂量下的鼠胚实验对辅助生殖实验室进行质控的可行性。方法对SPF级昆明雌性小白鼠行腹腔注射孕马血清促性腺激素(PMSG)和绒毛膜促性腺激素(HCG)超排卵,在采用8 IU PMSG+8 IU HCG和16 IU PMSG+16 IU HCG两种不同注射剂量下进行体外受精和体内受精,观察不同剂量、不同受精方式下鼠胚发育的优胚率和囊胚形成率。结果分别实施8 IU PMSG+8 IU HCG超排卵剂量与16 IU PMSG+16 IU HCG超排卵剂量后,雌性小鼠体外受精,鼠胚优胚率分别为90.965%和81.877%,囊胚形成率分别为82.341%和75.081%,差异有统计学意义(P<0.05);雌性小鼠体内受精,鼠胚优胚率分别为93.096%和85.889%,囊胚形成率分别为83.432%和76.994%,差异有统计学意义(P<0.05)。结论采用两种超排卵剂量下的鼠胚实验对辅助生殖实验室进行质控具有可行性,恰当的超排卵剂量,能获得较高的优胚率和囊胚形成率。展开更多
胚蛋活性检测对疫苗生产的质量与安全至关重要。传统机器视觉检测方法严重依赖人为设计的特征提取算法,对图像质量和环境条件要求高,检测结果稳定性和容错性差,导致实际检测过程中的通用性受到限制,为克服这种缺陷,该研究提出一种基于改...胚蛋活性检测对疫苗生产的质量与安全至关重要。传统机器视觉检测方法严重依赖人为设计的特征提取算法,对图像质量和环境条件要求高,检测结果稳定性和容错性差,导致实际检测过程中的通用性受到限制,为克服这种缺陷,该研究提出一种基于改进YOLOv8的疫苗胚蛋活性检测模型。采用自主设计图像采集装置,采集孵化10~11 d的胚蛋图像,通过几何变换、颜色调整、图像增强等方式构建并扩充数据集;采用Shuffle Net V2替换YOLOv8模型的骨干网络,在保持准确率的同时显著减少了计算复杂度,能更好地部署到嵌入式设备中;在YOLOv8颈部网络的卷积层后添加动态蛇形卷积层,通过其自适应地聚焦于细长和迂回的局部结构,准确地捕捉管状结构的性质特征,从而提高胚蛋检测的准确率;使用EIOU(embedding intersection over union)损失函数,用于适应研究中边界框对齐和形状相似的场景,构建了符合试验中胚蛋图像的网络模型,以实现疫苗胚蛋活性快速、无损、批量检测。试验结果表明,改进YOLOv8模型精确率、召回率、平均精度均值(m AP_(50-95))分别达99.2%、98.2%、96.9%,对比原始YOLOv8模型分别提高了2.0、0.3、1.5个百分点,模型计算复杂度与推理时间相较与原模型分别降低60.9%、60.5%。说明此模型可以更好地实现疫苗胚蛋活性无损检测,为自动化批量检测提供理论依据。展开更多
文摘目的探讨采用两种超排卵剂量下的鼠胚实验对辅助生殖实验室进行质控的可行性。方法对SPF级昆明雌性小白鼠行腹腔注射孕马血清促性腺激素(PMSG)和绒毛膜促性腺激素(HCG)超排卵,在采用8 IU PMSG+8 IU HCG和16 IU PMSG+16 IU HCG两种不同注射剂量下进行体外受精和体内受精,观察不同剂量、不同受精方式下鼠胚发育的优胚率和囊胚形成率。结果分别实施8 IU PMSG+8 IU HCG超排卵剂量与16 IU PMSG+16 IU HCG超排卵剂量后,雌性小鼠体外受精,鼠胚优胚率分别为90.965%和81.877%,囊胚形成率分别为82.341%和75.081%,差异有统计学意义(P<0.05);雌性小鼠体内受精,鼠胚优胚率分别为93.096%和85.889%,囊胚形成率分别为83.432%和76.994%,差异有统计学意义(P<0.05)。结论采用两种超排卵剂量下的鼠胚实验对辅助生殖实验室进行质控具有可行性,恰当的超排卵剂量,能获得较高的优胚率和囊胚形成率。
文摘胚蛋活性检测对疫苗生产的质量与安全至关重要。传统机器视觉检测方法严重依赖人为设计的特征提取算法,对图像质量和环境条件要求高,检测结果稳定性和容错性差,导致实际检测过程中的通用性受到限制,为克服这种缺陷,该研究提出一种基于改进YOLOv8的疫苗胚蛋活性检测模型。采用自主设计图像采集装置,采集孵化10~11 d的胚蛋图像,通过几何变换、颜色调整、图像增强等方式构建并扩充数据集;采用Shuffle Net V2替换YOLOv8模型的骨干网络,在保持准确率的同时显著减少了计算复杂度,能更好地部署到嵌入式设备中;在YOLOv8颈部网络的卷积层后添加动态蛇形卷积层,通过其自适应地聚焦于细长和迂回的局部结构,准确地捕捉管状结构的性质特征,从而提高胚蛋检测的准确率;使用EIOU(embedding intersection over union)损失函数,用于适应研究中边界框对齐和形状相似的场景,构建了符合试验中胚蛋图像的网络模型,以实现疫苗胚蛋活性快速、无损、批量检测。试验结果表明,改进YOLOv8模型精确率、召回率、平均精度均值(m AP_(50-95))分别达99.2%、98.2%、96.9%,对比原始YOLOv8模型分别提高了2.0、0.3、1.5个百分点,模型计算复杂度与推理时间相较与原模型分别降低60.9%、60.5%。说明此模型可以更好地实现疫苗胚蛋活性无损检测,为自动化批量检测提供理论依据。