基于外观的计算机视觉管道用于多动物监测犬类活动,行为和临床观察
Eline Eberhardt1, Jef Plochaet2, Tanguy Ophoff2
1Non-Clinical Safety and Submissions, Preclinical Sciences and Translational Safety, J&J Innovative Medicine, Janssen Research & Development, Beerse, Belgium.
Frontiers in toxicology
|March 6, 2026
概括
这项研究介绍了一种人工智能模型管道,用于使用视频分析对狗的非侵入性行为监测. 人工智能准确地跟踪活动并检测临床症状,帮助药物安全评估和动物福利.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 人工智能的人工智能是人工智能.
- 动物行为 动物行为
背景情况:
- 行为监测对于实验室环境中的药物安全和动物福利至关重要.
- 目前的方法依赖于有限的室内人类观测.
- 需要客观,详细和非侵入性的监测技术.
研究的目的:
- 开发和验证一个多功能的人工智能模型管道,用于对狗的全面行为监测.
- 使用视频数据实现活动,行为和临床症状的详细映射.
- 支持动物研究中的3R原则 (取代,减少,改进).
主要方法:
- 利用相互连接的人工神经网络的管道进行端到端的学习.
- 采用视频衍生的外观特征从群体住宿犬.
- 在一个大型的注释数据集上训练模型,并通过广泛的现场测试进行验证.
主要成果:
- 人工智能模型实现了高多追踪和重新识别准确度 (≥92.5%),最多为三只狗.
- 由人工智能衍生的运动运动活动与加速度计数据有很强的相关性 (r = 0.965).
- 检测到11个行为和临床观察类,个体准确率高达93%.
结论:
- 人工智能模型为狗的行为和健康监测提供了一种非侵入性,详细和定量方法.
- 这项技术可以整合到常规实践中,增强药物安全性评估.
- 该方法符合并支持动物研究中3R原则的伦理考虑.
