- 2 次围观
在动物模型中对疼痛进行准确评估，对于理解疼痛机制、开发镇痛药物以及保障动物福利至关重要。小鼠痛苦表情量表（Mouse Grimace Scale, MGS）通过量化与疼痛相关的面部表情，提供了一种敏感且无创的自发性疼痛测量方法，但其应用受到劳动密集型人工评分、观察者间差异以及依赖无法捕捉面部行为时间动态的静态图像等因素的限制。现有自动化方法虽然提高了通量，但通常依赖高度标准化的成像条件、特定的观察角度以及静态面部外观，同时时间分辨率有限，且对于各个面部动作单元相对贡献的认识不足。在此，我们介绍LabGrymace——一种开源、人工智能驱动的框架，用于对自由活动小鼠疼痛相关面部动态进行自动化、逐帧分析。LabGrymace构建于LabGym行为分析平台之上，利用基于深度学习的面部特征检测与追踪技术，从视频记录中连续量化耳、眼和鼻部的运动。 为了生成定量化的疼痛指标并促进结果可重复性，我们将面部动态与伤害感受器的分级化学遗传激活进行校准，并识别出与疼痛强度关联最强的运动学特征。这些特征被整合为加权复合疼痛评分，以反映各个面部动作单元的差异性贡献。LabGrymace能够准确分类与疼痛相关的面部动作，并在无需人工选择帧或施加限制性录制条件的情况下生成连续性疼痛评分。所得疼痛量表表现出剂量依赖性反应，并可推广至不同疼痛模态，包括由MgSO诱导的内脏痛和由辣椒素诱导的躯体痛。通过将自动化面部特征分析与定量时间建模相结合，LabGrymace为实验室小鼠自发性疼痛评估提供了一种客观、可扩展、可解释且灵活的工具。
在动物模型中对疼痛进行准确评估，对于理解疼痛机制、开发镇痛药物以及保障动物福利至关重要。小鼠痛苦表情量表（Mouse Grimace Scale, MGS）通过量化与疼痛相关的面部表情，提供了一种灵敏、无创的自发性疼痛测量方法，但其应用受到多种限制，包括劳动密集型的人工评分、观察者间差异，以及依赖无法捕捉面部行为时间动态的静态图像。现有自动化方法虽然提高了通量，但通常依赖高度标准化的成像条件、特定的观察角度以及静态面部外观，同时时间分辨率有限，且难以揭示各个面部动作单元相对贡献的差异。
在此，我们介绍LabGrymace——一个开源的、人工智能驱动的框架，用于对自由活动小鼠与疼痛相关的面部动态进行自动化、逐帧分析。LabGrymace构建于LabGym行为分析平台之上，采用基于深度学习的面部特征检测与追踪方法，从视频记录中连续量化耳部、眼部和鼻部的运动。为了生成定量的疼痛指标并促进结果的可重复性，我们将面部动态与伤害感受器的分级化学遗传激活进行校准，并识别出与疼痛强度关联最强的运动学特征。这些特征被整合为加权复合疼痛评分，以反映各个面部动作单元的差异性贡献。
LabGrymace能够准确分类与疼痛相关的面部动作，并在无需人工选择帧或限制性录制条件的情况下生成连续性疼痛评分。所得疼痛量表表现出剂量依赖性反应，并可推广至不同的疼痛模式，包括由MgSO诱导的内脏痛和由辣椒素诱导的躯体痛。通过将自动化面部特征分析与定量时间建模相结合，LabGrymace为实验室小鼠自发性疼痛评估提供了一种客观、可扩展、可解释且灵活的工具。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.31.742042v1?rss=1
🏷️ 疼痛评估 小鼠表情分析 深度学习 行为分析 化学遗传学 动物模型