FlyCatwalk 这是一种全自动、高通量系统,用于根据形态特征对活果蝇(黑腹果蝇)进行分类.

FlyCatwalk 框架和工作流程。(一)设置: 1、隧道入口;2、单选门;3、摄像头;4、测量通道;5、分拣门;6、气动阀门;7、存储装置;8、XZ机器人。(B) 入口室中的果蝇被空气脉冲定期激活,以鼓励向测量室移动。一旦果蝇进入测量室,门就会关闭并阻止更多的果蝇进入。当果蝇沿着房间的隧道飞行时,它会被高分辨率相机成像并保留有效图像。到达隧道尽头时,果蝇要么被吹回入口室,如果判断为可供分析的图像太少,要么转移到存储设备的井中,然后再移动一个槽。与存储的果蝇对应的所有图像都保存到磁盘中,以便进行深入的形态测量分析。果蝇穿过航道可能需要多长时间,这是有时间限制的。如果在没有获得足够有效图像的情况下超过了这一点,则果蝇会被直接吹回入口室。重复整个过程,直到存储设备的所有孔都充满果蝇。
与手动处理相比,FlyCatwalk 可以检测性别并量化身体和机翼形态参数,吞吐量提高了四倍。使用 FlyCatwalk 获得的表型结果与使用标准手动程序获得的结果非常吻合。我们证明了自动化、高通量、基于特征的排序系统能够避免以前在种群规模和重复数量方面的限制。我们的方法同样可以应用于需要高通量表型分析的各种性状和实验环境。

形态学分析。(A-E) 性别检测。使用两种方法确定性别。首先,亮度 (A, E) 沿腹部纵轴 (B, F) 进行评估,并与雄性和雌性腹部亮度的模板进行比较,以确定两个模板中哪一个提供更好的相关性。其次,从整个视频序列中,最前面的腿对 (C, G) 被识别并扫描是否存在性梳 (D, H),它们只存在于雄性中。(I-L) 眼间距的检测和量化。头部的位置由身体分割确定(图S1)。使用模板匹配算法(J,模板;K,模板匹配算法的结果)提取小眼的位置。亮度(L 中的黑线)沿着与两个后侧眼(I 中的白线)相交的线进行评估,并计算其导数(L 中的红线)以识别对应于复眼的边界。(M, N) 机翼拟合和量化。对原始图像进行过滤和二值化,然后对其应用骨架提取算法来检测静脉结构(M)。B 样条适合机翼以确定轮廓和脉络 L2-L5 (N)。黄色实线:机翼轮廓和脉络 L2-L5 的 B 样条拟合。红色虚线:用于定义机翼长度的线段。绿色虚线:用于定义机翼宽度的线段。
*本产品非医疗器械,不能用于临床诊断和治疗,仅科研用途!*