2594 Lynn Ogden Lane

Blog Details

Home   /   【中国科学报】脚印背后的秘密,它知道

小鼠行为分类系统。中科院成都生物所供图

  小鼠、大鼠、猴子等模式动物的行为识别,在医学研究和药物开发中具有重要意义。然而,通过普通视频技术研究动物对特定刺激的反应,容易受到实验场所的光照条件和拍摄角度的影响。

  为解决这一问题,近日,中科院成都生物研究所(以下简称成都生物所)动物行为与仿生项目的科研人员基于受抑全反射原理,设计了一个小鼠行为分类系统,通过小鼠的“脚印”来识别其行为,进而进行相关研究。多次实验结果表明,小鼠的足部接触特征在行为识别方面比普通视频更有效。相关论文发表于Knowledge-Based Systems

  密闭“黑箱”无干扰

  在成都生物所研究员、论文共同通讯作者唐业忠的办公室,《中国科学报》记者见到了这个外表简易却暗含巧思的行为分类系统。外形上看,其为正方体或不规则的立方体框架,可灵活组合;顶部均嵌有透明的触屏板,底部则设有红外线摄像机。

  唐业忠介绍,顶部四周框架的槽内“藏”有红外灯条(波长>950纳米),红外光从侧面注入行为场的透明下界面。根据受抑全反射原理,小鼠脚掌或脚趾与界面(触屏板)接触即形成脚印图像,并被红外摄像头记录。“系统很灵敏,就算是体重1克左右的小蝾螈踩上去,都能识别其脚印和尾巴。”

  此外,系统可根据需要进行多面围挡,形成密闭和无光的“黑箱”。“这是系统最大的一个好处,就是能在完全‘无光’的条件下使用。”唐业忠表示,小鼠是夜行动物,做行为监测最好是顺应其生活规律设置实验环境,“而且在无干扰的环境下,对动物进行行为刺激(特别是视觉刺激)并监测,得到的数据更准确”。

  小鼠平均行为识别率达83.09%

  “老鼠的行为动作比较简单,基本上我们能够想象出来的动作都会带动脚的变化。”唐业忠表示,红外相机记录下的脚印数量、方向、轨迹以及变化频率等,能够更直观地反映出老鼠的行为。

  收集到小鼠脚印图像后,研究团队建立了小鼠行为数据集(IMBD),并使用支持向量机(SVM)对脚印进行分类。为了提高性能,他们还提出了一种改进的粒子群算法对参数进行优化。在IMBD和SVM的基础上,团队测试了不同的特征提取方法和分类器。与其他常用的粒子群优化算法相比,该系统表现出了更高的精度和效率,对个体行为的识别率高达94.37%;所有被试小鼠的平均行为识别率达到83.09%。

  该系统可用于肌肉骨骼关节类疾病、神经系统类疾病的动物模型或相关药物研发,检测反应机理或药效等。例如,步态改变是老年退行性病变早期最主要的外在表现,所以步态变化识别尤为重要。“而系统正是通过脚印的变化,更直接地监测行为的改变。”唐业忠表示,系统2.0版本将升级触屏板——柔性压力传感阵列,不但可以采集到脚印的时空变化,还能记录下脚底与接触面的压强,“这样能够更精准地监测到左右脚触地失衡程度”。

  随着系统的不断升级完善,唐业忠希望其能够实现产业化,“主要面向制药公司和科研单位,也可服务于生态监测”。

  让野外监测调查工作更省力

  根据唐业忠关于小鼠行为分类系统的设计思路,成都生物所研究员谢锋对系统进行了改装,并成功应用于在野外对保护动物——大凉螈的生态学研究中。

  “大凉螈等两栖爬行类是冷血动物,没法触发红外相机。以前我们要在它们繁殖迁徙的路上挖一个深30厘米左右的‘陷阱’,等其掉入,之后每天派人定时查看,作相应的记录后再放生。”谢锋说,而在最近的大凉螈繁殖季节中,其团队就使用这个改装版的行为分类系统进行监测。

  “相当于把一个监测设备埋在了以前设‘陷阱’的地方,一旦有动物经过触屏板,底下的红外线摄像头就能记录下通过的时间、频率、脚印数量等。”谢锋团队根据这些信息判断动物种类、测定个体大小、分析活动规律等,数据更加丰富且准确,提高了工作效率。

  同时,研究团队工作起来更省力,免去了每天来回跑动;监测工作对动物日常生活也实现了“零”干扰。谢锋透露,目前该设备已经申请了专利,后台数据读取还将引入人工智能(AI)识别功能,实现根据图像结构特征抓取相应数据,方便查找。

  相关论文信息:https://doi.org/10.1016/j.knosys.2021.107088

  (原载于《中国科学报》 2021-12-08 第4版 综合)

Posted in 未分类

发表评论

邮箱地址不会被公开。 必填项已用*标注

  • 友情链接