无标记鼠标追踪用于社会实验

科学领域:

• 伦理学 伦理学 伦理学
• 生物医学工程 生物医学工程
• 计算机视觉 计算机视觉

背景情况:

• 准确的自动化行为量化对于研究动物社会相互作用至关重要.
• 现有的追踪方法经常与身份开关和解剖数据丢失,特别是与视觉上相似的受试者扎.
• 为了克服这些局限性,通常需要在培训或后处理中增加人类的努力.

研究的目的:

• 开发一种无标记,基于视频的工具,用于同时,准确地跟踪两只具有相同外观的互动小鼠.
• 在没有额外的人类干预的情况下量化社会行为,如嗅探,触摸和移动.
• 在受控实验环境中提高追踪精度.

主要方法:

• 这是一种混合方法,将传统的计算机视觉技术与深度学习相结合.
• 在有限的手动注释图像数据集上训练该工具.
• 输出每只老鼠的身体面具和关键解剖坐标 (鼻子,尾巴底部).
• 在各种条件下进行测试,包括床上用品和外科植入物.

主要成果:

• 与现有方法相比,几乎消除了身份交换机.
• 追踪精度比纯深度学习的姿势估计提高了大约15%.
• 在改变嗅觉的小鼠中量化社会行为的成功应用.
• 该工具即使在常见的实验设置 (如床上用品和植入物) 中也能有效地运行.

结论:

• 拟议的无标记追踪工具显著提高了社会互动小鼠自动行为量化的准确性和可靠性.
• 这种方法减少了对人类大量后处理的需求,使其成为动物社会行为研究的宝贵工具.
• 这种方法为研究各种动物模型中的群体行为提供了更广泛的应用潜力.