• 研究生: 郭廷愷
• 畢業學年度: 110
• 相關連結

現行藥物開發的動物實驗多數以老鼠做為實驗對象，動物實驗會透過藥物或手術誘發老鼠的疼痛行為，之後再施打止痛藥物，藉由觀察老鼠的行為推論疼痛是否有所改善，用以評估止痛藥物的藥效。疼痛會造成生理及行為的改變，目前多以觀察員透過主觀評估的方式對老鼠表情或行為評估其疼痛的程度，然而這種方式的缺點是需要耗費大量的人力與時間，以及不同人的主觀評估也將造成結果的分歧。
近年來，姿態分析經常運用在神經性疾病上，多數姿態需要藉由神經系統錯縱複雜的交互作用，所以當某神經系統出現異常時，行為也容易顯現相對的異常現象。根據[1]，老鼠處於疼痛時，常會有身體扭曲和四肢蜷縮等行為。本論文建立於姿態分析的理論基礎，提出一套自動化架構分析老鼠的姿態，藉此來偵測老鼠於疼痛時的姿態特徵。本論文提出的架構透過深度學習網路於深度影像中自動標註老鼠的關節點，再利用關節點與周邊鄰近像素的深度差異作為特徵，讓機器學習疼痛的姿態特徵，達成自動判別老鼠疼痛的目的。
本論文所提出的架構分為兩部分，第一部分透過深度學習演算法自動標註影像中老鼠的關節點，藉此取代人工標記。第二部分自動學習與辨識老鼠於疼痛時的姿態特徵，實驗設計分別蒐集彩色及深度影像，前者將關節點之間的角度及距離當作姿態特徵，後者則藉由深度影像計算各關節點與鄰近像素的差異作為特徵，再藉由機器學習演算法學習與辨識小鼠於疼痛時的姿態特徵。本論文的實驗將比較彩色與深度影像分別應用於偵測疼痛姿態的效能，並且驗證本論文提出架構的信效度。