用DeepLabCut和标记器掩饰使用无标记XROMM进行鼠标舌头运动学
概括
这项研究通过集成DeepLabCut (DLC) 进行无标记追踪来增强移动形态的X射线重建 (XROMM). 这种新的方法提高了准确性,即使缺少标记物,也提供了对动物生物力学和行为的新见解.
科学领域:
- 生物力学 生物力学
- 动物行为 动物行为
- 生物医学成像技术 生物医学成像技术
背景情况:
- 动态形态的X射线重建 (XROMM) 对动物3D生物力学研究至关重要.
- DeepLabCut (DLC) 提供无标记的姿势估计,但传统的XROMM方法在缺少标记的情况下扎.
研究的目的:
- 开发一个强大的XROMM工作流程,使用DLC进行改进的3D标记跟踪.
- 为了使准确的姿势估计,即使有不完整或不存在的标记.
- 通过舌头运动学获得关于动物食行为的新见解.
主要方法:
- 利用XMALab的结果对摄像头进行校准,以预测DLC引导的3D XROMM标记.
- 实现了标记器掩盖增强,用于跟踪不完整的标记器集.
- 应用了这种方法来提取动物的舌头运动模式.
主要成果:
- 已证明精确的XROMM对象估计具有可见珠子或没有可见标记的子集.
- 与传统方法相比,对缺失标记物的稳定性有所提高.
- 成功提取了舌头运动模式,揭示了动物食行为的新方面.
结论:
- 拟议的DLC引导的XROMM方法提高了生物机械跟踪的准确性和稳定性.
- 这种方法允许可靠的姿势估计,即使有标记物损失.
- 这项研究为动物在自然养期间的舌头生物力学提供了新的见解.
