基于深度学习的活动识别和精细运动识别,使用Cynomolgus的2D骨架
Chuxi Li1, Zifan Xiao2,3,4, Yerong Li1
1School of Information Science and Technology Micro Nano System Center, Fudan University, Shanghai 200433, China.
Zoological research
|September 18, 2023
概括
研究人员开发了MonkeyMonitorKit (MonKit),这是一个用于自动化非人类灵长类动物 (NHP) 行为分析的新工具箱. 该工具通过提供准确和有效的表型评估,提高了临床研究中的疾病检测和预测.
科学领域:
- 神经科学是一个神经科学.
- 行为科学 行为科学
- 生物医学工程 生物医学工程
背景情况:
- 基于视频的动作识别对临床研究和神经科学至关重要.
- 目前的非人类灵长类动物 (NHP) 行动识别研究方法是劳动密集型的,缺乏标准化.
研究的目的:
- 建立用于NHP行为分析的基准数据集.
- 开发一个用于NHP动作识别和姿势估计的自动化工具箱.
- 在神经系统疾病的NHP模型中评估运动功能和行为表型.
主要方法:
- 创建两个基准数据集:MonkeyinLab (MiL) 和MiL2D.
- 开发使用深度学习和骨架可视化的MonkeyMonitorKit (MonKit) 工具箱.
- 对野生类型和MECP2-突变的Cynomolgus子进行MonKit的评估,将结果与手动检测进行比较.
主要成果:
- 蒙基特可以在NHP中实现自动动作识别,姿势估计和精细运动活动识别.
- 该工具箱准确评估运动功能,刻板印象行为和抑郁现象.
- 与人类手动检测相比,MonKit表现出高精度和效率.
结论:
- 蒙基特提供了一种新,全面和标准化的工具,用于在NHP中进行表型行为评估.
- 这种自动化方法显著提高了NHP行为分析的准确性和效率.
- 开发的数据集和工具箱促进了临床研究和对NHP疾病的神经科学研究的进步.
