197022, г. Санкт-Петербург, ул. Профессора Попова, д. 14, литера А
14A, Professora Popova str., Saint-Petersburg, 197022
197022, г. Санкт-Петербург, ул. Профессора Попова, д. 14, литера А
14A, Professora Popova str., Saint-Petersburg, 197022
197022, г. Санкт-Петербург, ул. Профессора Попова, д. 14, литера А
14A, Professora Popova str., Saint-Petersburg, 197022
197022, г. Санкт-Петербург, ул. Профессора Попова, д. 14, литера А
14A, Professora Popova str., Saint-Petersburg, 197022
Введение. Анализ окраса шерстного и кожного покрова животных может использоваться как вспомогательный неинвазивный инструмент оценки ряда состояний и процессов, сопровождающихся изменением его цветности, насыщенности, долевого соотношения цветов шерсти или участков шерсти, подшерстка и кожи. Для проведения анализа окраса в условиях доклинических исследований требуется разработка простых, быстрых и легко стандартизуемых цифровых методов, обеспечивающих получение воспроизводимых результатов, пригодных для статистической обработки.
Цель. Целью настоящей работы стали разработка и апробация алгоритма количественного анализа окраса шерстного и кожного покрова лабораторных животных с использованием языка программирования R.
Материалы и методы. Для анализа шерстного покрова использовали цифровые фотоснимки самок морской свинки двух- и трехцветного окраса, сделанные в условиях искусственного освещения на однотонном контрастном фоне. Анализ соотношения участков шерсти и кожи выполняли с повторным использованием фотоснимков самца мыши с депиляционной моделью алопеции, сделанных в рамках ранее опубликованного доклинического исследования. Колориметрический анализ изображений осуществляли путем иерархической кластеризации цветов методом k-средних в пространстве RGB с расчетом площади кластеров с помощью пакета функций recolorize v0.2.0 для R v4.2.3 с RStudio v2025.05.0.
Результаты и обсуждение. Алгоритм колориметрического анализа включил три стадии: 1) преаналитическая обработка изображения и маскирование фона; 2) иерархическая кластеризация и рекластеризация цветов; 3) измерение абсолютных и относительных площадей цветовых кластеров. Посредством применения описанного алгоритма долевое соотношение цветов в окрасе двухцветной морской свинки было определено как 46,1 % агути и 53,9 % желтого; трехцветной – как 9,1 % рыжего, 19,6 % белого и 71,3 % черного. Для самца мыши после депиляции была охарактеризована динамика долевого соотношения участков кожи без волос и с растущими волосами в течение 28-дневного периода. Между 0-м, 9-м и 17-м днями после депиляции наблюдали сокращение относительной площади лишенной шерсти кожи от 8,7 до 7,4 и до 0,0 % соответственно (p < 0,05 для 17-го дня против 0-го и 9-го).
Заключение. В ходе проведенной работы описан и апробирован на модельных фотоснимках алгоритм количественного анализа окраса шерстного и кожного покрова с применением метода иерархической кластеризации цветов. Описанный алгоритм не требует использования специализированного программного обеспечения, быстр и прост в применении, подходит для серийной обработки изображений с получением количественных данных для дальнейшего статистического анализа.
Introduction. Analysis of animal coat and skin coloration can be used as an auxiliary method for assessment of various conditions and processes that are accompanied by changes in coloration, intensity, proportion of coat colors or areas covered by fur, undercoat, and skin. Performing coloration analysis in preclinical studies requires new straightforward, fast, and easily standardizable digital methods that yield reproducible data suitable for statistical processing.
Aim. In this work, we aimed to develop and test a novel algorithm for quantitative analysis of coat and skin coloration in laboratory animals using R programming language.
Materials and methods. To analyse fur coloration, we used digital photographs of female guinea pigs, one bicolor and one calico, that were taken under artificial lighting against a plain contrasting background. Analysis of fur and skin area proportion was carried out re-using photographs of a male mouse with depilation alopecia model, which were obtained during a previously published preclinical study. Colorimetric image analysis was performed by hierarchical k-means color clustering in RGB space and cluster area calculation using the recolorize v0.2.0 function package for R v4.2.3 with RStudio v2025.05.0.
Results and discussion. The algorithm for colorimetric analysis included 3 steps: 1) preprocessing images and masking the background; 2) hierarchical color clustering and reclustering; 3) calculating absolute and relative color cluster areas. Using the described algorithm, we found the color area proportion to be 46.1 % agouti vs. 53.9 % yellow for the bicolor guinea pig, and 9.1 % red vs. 19.6 % white vs. 71.3 % black, for the calico one. In the male mouse subjected to depilation, we characterized the dynamics of proportion between areas of hairless skin and skin with regrown hair across a 28 day-long period. We found a decrease in relative of hairless skin area between the 0th, 9th, and 17th days post-depilation from 8.7 to 7.4 % and to 0.0 %, respectively (p < 0.05 for 17th day vs. 0th and 9th).
Сonclusion. In this work, we described and tested on model photographs an algorithm for analysis of coat and skin coloration using hierarchical color clustering. The algorithm does not require the use of specialized software, is fast and straightforward, and can be employed for batch image processing to obtain quantitative data for further statistical analysis.
The authors declare that there are no conflicts of interest present.