从单视图视频和一个新数据集的3D鼠标姿势

科学领域:

• 生物医学工程 生物医学工程
• 动物行为分析.
• 计算机视觉 计算机视觉

背景情况:

• 在动物模型中精确的3D运动分析对于了解健康和疾病至关重要.
• 现有的移动捕捉方法可能具有侵入性或缺乏可扩展性.
• 动物模型中的异常运动往往反映了人类的临床条件.

研究的目的:

• 提出一种新的方法,从单眼视频中推断出小鼠的完整3D姿势,包括四肢和脚.
• 为了证明3D姿势估计对健康相关属性分类和非侵入性动物健康监测的有用性.
• 引入用于小鼠姿势分析的大规模数据集.

主要方法:

• 开发了一种使用小鼠单眼视频的3D姿势推断方法.
• 创建了鼠标姿势分析数据集,其中包括基本真相关键点,行为标签和高分辨率CT扫描.
• 利用CT扫描来构建形状模型,用于精确的3D姿势重建.

主要成果:

• 三维姿势推断方法准确地捕捉四肢和脚的运动,即使有遮.
• 与2D相比,3D姿势表示显著改善了与健康相关属性的分类.
• 该方法使得精确的步伐长度估计和成功分类动物的年龄和基因型.

结论:

• 开发的3D小鼠姿势估计方法为持续的动物健康监测提供了一种非侵入性的方法.
• 鼠标姿势分析数据集为推进动物行为和健康研究提供了宝贵的资源.
• 这项技术有可能提高动物模型中疾病的研究.