Posa del mouse 3D da singolo

Rapporti scientifici volume 13, numero articolo: 13554 (2023) Citare questo articolo

369 accessi

1 Altmetrico

Dettagli sulle metriche

Presentiamo un metodo per dedurre la posa 3D dei topi, compresi gli arti e i piedi, dai video monoculari. Molte condizioni cliniche umane e i modelli animali corrispondenti provocano movimenti anomali e la misurazione accurata del movimento 3D su larga scala offre informazioni approfondite sulla salute. Le pose 3D migliorano la classificazione degli attributi relativi alla salute rispetto alle rappresentazioni 2D. Le pose dedotte sono sufficientemente accurate da stimare la lunghezza del passo anche quando i piedi sono per lo più occlusi. Questo metodo potrebbe essere applicato come parte di un sistema di monitoraggio continuo per misurare in modo non invasivo la salute degli animali, come dimostrato dal suo utilizzo nella classificazione riuscita degli animali in base all’età e al genotipo. Presentiamo il set di dati di analisi della posa del mouse, il primo set di dati video su larga scala di topi da laboratorio nella loro gabbia domestica con punti chiave di verità ed etichette comportamentali. Il set di dati contiene anche scansioni TC del mouse ad alta risoluzione, che utilizziamo per costruire modelli di forma per la ricostruzione della posa 3D.

Molte condizioni cliniche umane e i corrispondenti modelli animali provocano movimenti anomali1. Misurare il movimento è un passaggio obbligato nello studio della salute di questi soggetti. Per i soggetti animali, i ricercatori in genere conducono misurazioni manualmente a costi elevati, risoluzione limitata e stress elevato per gli animali. In questo lavoro presentiamo un approccio a basso costo, non invasivo, basato sulla visione artificiale per misurare continuamente il movimento come posa 3D di topi da laboratorio.

Per studiare modelli animali di disturbi del movimento, come il morbo di Parkinson o il tremore, o anche per misurare in generale il comportamento, i ricercatori si affidano a strumenti manuali come il rotarod, la barra orizzontale statica, i test in campo aperto o il punteggio umano2,3. Sono in fase di sviluppo strumenti automatizzati sempre più complessi per studiare l'andatura e la locomozione4,5. La visione artificiale e l'apprendimento automatico stanno creando nuove opportunità di misurazione negli ambienti domestici per il monitoraggio o il comportamento 2D6,7,8,9,10,11,12. Mentre i campi aperti sono arene senza caratteristiche, una gabbia domestica è un recinto arredato con lettiera, cibo e acqua familiari, nonché oggetti di arricchimento che consentono agli animali di esibire un'ampia gamma di movimenti e comportamenti. Finora, solo pochi studi misurano il movimento 3D nelle gabbie domestiche e solo con una risoluzione o un numero di giunti grossolani o che richiedono più telecamere13,14,15,16,17. Tuttavia, questi nuovi strumenti di misurazione offrono opportunità interessanti per nuove analisi13,17,18,19.

Parallelamente, la visione artificiale e l’apprendimento automatico stanno portando a grandi miglioramenti nella determinazione della posa umana 3D dalle immagini. I modelli per l'ottimizzazione di un modello cinematico per adattarlo ai dati dell'immagine20 vengono abbinati a miglioramenti nella stima delle pose 2D21,22,23. Combinando questi metodi con librerie di forme umane24 e pose umane, le stime delle pose umane 3D possono essere basate su modelli cinematici reali e movimenti realistici25,26,27. La ricerca in corso sta migliorando la coerenza spaziale e temporale28,29,30.

Questo lavoro adatta queste tecniche originariamente sviluppate per dedurre la posa umana 3D sui topi. Prevediamo i punti chiave 2D per i topi, quindi ottimizziamo per la posa 3D soggetta alle informazioni apprese dai dati. Per dedurre le pose umane, sono prontamente disponibili database di forme umane, pose, punti chiave 2D e punti chiave 3D, ma nessuno di questi è disponibile per i topi. La mancanza di dati ha presentato sfide uniche per dedurre con precisione le pose 3D. Superiamo queste sfide raccogliendo nuovi dati e adattandoci dove necessario. Progettiamo i nostri algoritmi e raccogliamo dati per raggiungere due obiettivi.

Scalabilità. Gli algoritmi sono in grado di monitorare i topi nella loro gabbia domestica in modo continuo per un periodo prolungato e possono farlo su un gran numero di gabbie contemporaneamente. Sebbene il test in campo aperto sia uno dei test più comunemente utilizzati nella ricerca, induce stress nell'animale e varianza nel risultato dello studio. Le gabbie domestiche forniscono ai soggetti le ambientazioni più naturali e facilitano studi fisiologici e comportamentali imparziali31. Le misurazioni delle attività in una moltitudine di gabbie domestiche pongono nuove sfide15 e richiedono algoritmi robusti.