在自由移动的条件下,开发多个鱼的3D追踪系统
Terumi Yurimoto1, Wakako Kumita1, Kenya Sato1
1Department of Marmoset Biology and Medicine, Central Institute for Experimental Medicine and Life Science, Kawasaki, 210-0821, Japan.
Communications biology
|February 21, 2024
概括
研究人员开发了一种新的系统来跟踪多个小熊猫,使得长期观察它们的社会互动和行为. 这一突破促进了对神经疾病和生活事件对灵长类动物行为影响的理解.
科学领域:
- 灵长类的行为生态学
- 神经科学研究模型 神经科学研究模型
- 自动化动物行为分析.
背景情况:
- 非人类灵长类动物的社会行为对于理解神经系统疾病的发病和生命事件中的大脑功能至关重要.
- 由于其类似人类的社会结构,普通大黄蜂是一种有价值的模型生物,但缺乏自动纵向行为监测.
- 之前的方法不足以持续,以个人为基础的行为跟踪在marmosets的社会群体.
研究的目的:
- 开发和验证一个系统,用于自动,纵向,三维 (3D) 行为跟踪多个自由移动的普通海.
- 为了能够准确地识别和分析个人社会互动和长期行为模式.
- 在社会相关的灵长类模型中,为研究与生活事件和神经条件相关的行为变化提供一个工具.
主要方法:
- 开发全面监测和动物识别 (FulMAI) 系统,集成视频跟踪,光检测和测距 (LiDAR) 和深度学习算法.
- 在多种动物的住房条件下,对单个鱼进行3D轨迹检测的实施.
- 验证系统在动物识别方面的准确性 (超过97%),以及其检测特定行为 (如理) 的能力.
主要成果:
- 在 FulMAI 系统实现了高精度 (>97%) 在识别组内单个海.
- 该系统成功捕获了3D轨迹,使得能够计算位置偏好和个人之间的距离.
- 在FulMAI内部的深度学习算法能够自动检测理行为.
结论:
- FulMAI系统提供了前所未有的能力,用于在自然环境中对多个马尔莫塞特的纵向自动行为分析.
- 这项技术有助于详细研究个人行为,社会动态和整个生命周期的行为变化.
- FulMAI是推动灵长类认知,社会行为和疾病神经生物学研究的强大工具.
