Method Article

تتبع الفئران في غرف تكييف Operant باستخدام كاميرا فيديو محلية الصنع متعددة الاستخدامات و DeepLabCut

DOI:

10.3791/61409

⸱

June 15th, 2020

 ,  ,  ,  , 
1Basal Ganglia Pathophysiology Unit, Dept. Experimental Medical Science, Lund University

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يصف هذا البروتوكول كيفية بناء كاميرا فيديو صغيرة ومتعددة الاستخدامات ، وكيفية استخدام مقاطع الفيديو التي تم الحصول عليها منها لتدريب شبكة عصبية لتتبع موقع داخل غرف تكييفات أوبرالية. وهذا تكملة قيمة للتحليلات القياسية لسجلات البيانات التي تم الحصول عليها من اختبارات التكييفات.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تستخدم غرف تكييف Operant لإجراء مجموعة واسعة من الاختبارات السلوكية في مجال علم الأعصاب. وتستند البيانات المسجلة عادة على اثار رافعة والأنف كزة أجهزة الاستشعار الموجودة داخل الغرف. في حين أن هذا يوفر نظرة مفصلة عن متى وكيف تقوم الحيوانات بتنفيذ استجابات معينة ، فإنه لا يمكن استخدامها لتقييم السلوكيات التي لا تؤدي إلى أي أجهزة استشعار. على هذا النحو ، فإن تقييم كيفية وضع الحيوانات نفسها والتحرك داخل الغرفة أمر نادر الحدوث. للحصول على هذه المعلومات، يجب على الباحثين عموماً تسجيل وتحليل مقاطع الفيديو. يمكن لمصنعي غرف التكييفات الأوبرالية عادةً تزويد عملائها بإعدادات الكاميرا عالية الجودة. ومع ذلك، يمكن أن تكون هذه مكلفة للغاية ولا تناسب بالضرورة غرف من مصنعين آخرين أو غيرها من الاجهزة اختبار السلوكي. يصف البروتوكول الحالي كيفية بناء كاميرا فيديو غير مكلفة ومتعددة الاستخدامات باستخدام مكونات إلكترونيات الهواية. كما يصف كيفية استخدام حزمة برامج تحليل الصور DeepLabCut لتتبع حالة إشارة الضوء القوي ، وكذلك موقف الفئران ، في مقاطع الفيديو التي تم جمعها من غرفة تكييف operant. الأول هو مساعدة كبيرة عند اختيار شرائح قصيرة من الاهتمام في أشرطة الفيديو التي تغطي جلسات اختبار كامل، والأخيرة تمكن من تحليل المعلمات التي لا يمكن الحصول عليها من سجلات البيانات التي تنتجها الغرف operant.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

في مجال علم الأعصاب السلوكي، يستخدم الباحثون عادة غرف تكييف أوبرالية لتقييم مجموعة واسعة من الميزات المعرفية والنفسية المختلفة في القوارض. في حين أن هناك العديد من الشركات المصنعة المختلفة لهذه النظم ، فإنها عادة ما تشترك في سمات معينة ولها تصميم موحد تقريبا1،2،3. الغرف عموما مربعة أو مستطيل الشكل، مع جدار واحد التي يمكن فتحها لوضع الحيوانات في الداخل، واحد أو اثنين من الجدران المتبقية التي تحتوي على مكونات مثل العتلات، فتحات كزة الأنف، صواني المكافآت، عجلات الاستجابة والأضواء من مختلف الأنواع1،2،3. وتستخدم الأضواء وأجهزة الاستشعار الموجودة في الغرف على حد سواء لمراقبة بروتوكول الاختبار وتتبع سلوك الحيوانات1،2،3،4،5. تسمح أنظمة التكييف الأورالية النموذجية بتحليل مفصل للغاية لكيفية تفاعل الحيوانات مع المعاملات المختلفة والفتحات الموجودة في الغرف. بشكل عام، يمكن تسجيل أي مناسبات يتم تشغيل أجهزة الاستشعار فيها من قبل النظام، ومن هذه البيانات يمكن للمستخدمين الحصول على ملفات سجل مفصلة تصف ما فعله الحيوان خلال خطوات محددة من الاختبار4،5. في حين أن هذا يوفر تمثيلاً واسعاً لأداء الحيوان، إلا أنه يمكن استخدامه لوصف السلوكيات التي تؤدي مباشرة واحد أو أكثر من أجهزة الاستشعار4،5. على هذا النحو ، فإن الجوانب المتعلقة بكيفية وضع الحيوان نفسه وتحركاته داخل الغرفة خلال مراحل مختلفة من الاختبار ليست موصوفة بشكل جيد6،7،8،9،10. هذا أمر مؤسف ، لأن مثل هذه المعلومات يمكن أن تكون ذات قيمة لفهم سلوك الحيوان بشكل كامل. على سبيل المثال، يمكن استخدامه لتوضيح لماذا أداء بعض الحيوانات بشكل سيء في اختبارمعين 6، لوصف الاستراتيجيات التي قد تطور الحيوانات للتعامل مع المهام الصعبة6،7،8،9،10، أو لتقدير التعقيد الحقيقي للسلوكيات البسيطةالمفترضة 11،12. للحصول على هذه المعلومات الصريحة، يتحول الباحثون عادة إلى التحليل اليدوي لمقاطع الفيديو6و77و88,و9و10,,و11.

عند تسجيل مقاطع الفيديو من غرف تكييفات operant ، يعد اختيار الكاميرا أمرًا بالغ الأهمية. وتقع الغرف عادة في مقصورات العزلة، مع بروتوكولات كثيرا ما الاستفادة من الخطوات حيث لا ضوء مرئي مشرقة3،,6،,7،,8،,9. ولذلك، فإن استخدام الأشعة تحت الحمراء (IR) الإضاءة في تركيبة مع كاميرا حساسة الأشعة تحت الحمراء ضروري، كما أنه يسمح الرؤية حتى في الظلام الظام. وعلاوة على ذلك، فإن المساحة المتاحة لوضع الكاميرا داخل حجرة العزل غالبا ما تكون محدودة جدا، وهذا يعني أن أحد يستفيد بقوة من وجود الكاميرات الصغيرة التي تستخدم العدسات مع مجال واسع من الرؤية (مثل، عدسات العين السمك)9. في حين أن الشركات المصنعة لأنظمة تكييف operant يمكن أن توفر في كثير من الأحيان عالية الجودة الاجهزة الكاميرا لعملائها، يمكن أن تكون هذه النظم مكلفة ولا تناسب بالضرورة غرف من الشركات المصنعة الأخرى أو الاجهزة لاختبارات سلوكية أخرى. ومع ذلك ، فإن فائدة ملحوظة على استخدام كاميرات الفيديو المستقلة هي أن هذه الاجهزة يمكن أن تكون في كثير من الأحيان واجهة مباشرة مع أنظمة تكييف operant13،14. من خلال هذا ، يمكن إعدادها لتسجيل أحداث محددة فقط بدلاً من جلسات الاختبار الكاملة ، والتي يمكن أن تساعد بشكل كبير في التحليل التالي.

يصف البروتوكول الحالي كيفية بناء كاميرا فيديو غير مكلفة ومتعددة الاستخدامات باستخدام مكونات إلكترونيات الهواية. تستخدم الكاميرا عدسة فيش، وهي حساسة لإضاءة الأشعة تحت الحمراء ولديها مجموعة من الصمامات الثنائية التي تنبعث منها الأشعة تحت الحمراء (المصابيح IR) المرفقة بها. وعلاوة على ذلك، تم بناؤها ليكون لها ملف مسطح ونحيف. معا، هذه الجوانب تجعل من مثالية لتسجيل أشرطة الفيديو من معظم غرف تكييف operant المتاحة تجاريا، فضلا عن غيرها من الاجهزة اختبار السلوك. كما يصف البروتوكول كيفية معالجة مقاطع الفيديو التي تم الحصول عليها بالكاميرا وكيفية استخدام حزمة البرامج DeepLabCut15،16 للمساعدة في استخراج تسلسلات الفيديو من الاهتمام وكذلك تتبع تحركات الحيوان فيها. هذا يتحايل جزئيا على سحب مرة أخرى من استخدام كاميرا مستقلة على الحلول المتكاملة التي تقدمها الشركات المصنعة للأنظمة تكييف، ويقدم تكملة لتسجيل السلوكيات يدويا.

وقد بُذلت جهود لكتابة البروتوكول في شكل عام لتسليط الضوء على أن العملية الشاملة يمكن تكييفها مع مقاطع الفيديو من اختبارات تكييف مختلفة. لتوضيح بعض المفاهيم الرئيسية، يتم استخدام مقاطع فيديو للفئران التي تقوم بإجراء اختبار وقت التفاعل التسلسلي (5CSRTT) 5-choice (5CSRTT)17 كأمثلة.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

وقد تمت الموافقة على جميع الإجراءات التي تشمل التعامل مع الحيوانات من قبل لجنة مالمو لوند الأخلاقية للبحوث الحيوانية.

1. بناء كاميرا الفيديو

ملاحظة: يتم توفير قائمة بالمكونات اللازمة لبناء الكاميرا في جدول المواد. كما يرجى الرجوع إلى الشكل 1، الشكل 2، الشكل 3، الشكل 4، الشكل 5.

  1. إرفاق حلقة معدنية مغناطيسية (التي ترافق حزمة عدسة عين السمك) حول افتتاح حامل الكاميرا (الشكل 2A). وهذا سيسمح لعدسة فيش أن توضع أمام الكاميرا.
  2. إرفاق وحدة الكاميرا إلى حامل الكاميرا(الشكل 2B). وهذا سيعطي بعض الاستقرار لوحدة الكاميرا وتوفر بعض الحماية للدوائر الإلكترونية.
  3. فتح منافذ الكاميرا على وحدة الكاميرا وmicrouteruter (الشكل 1) عن طريق سحب بلطف على حواف مقاطع من البلاستيك (الشكل 2C).
  4. ضع كابل الشريط في منافذ الكاميرا ، بحيث تواجه الموصلات الفضية لوحات الدوائر (Figure2C). قفل الكابل في مكان عن طريق دفع في مقاطع من البلاستيك من منافذ الكاميرا.
  5. ضع الكمبيوتر الصغير في حالة البلاستيك وأدخل بطاقة SD الصغيرة المدرجة (الشكل 2D).
    ملاحظة: ستعمل بطاقة SD الصغرى على أنها محرك الأقراص الصلبة للكمبيوتر الصغير وتحتوي على نظام تشغيل كامل. بطاقة SD الصغيرة المدرجة يأتي مع مدير التثبيت المثبتة مسبقا على ذلك (جديد خارج مربع البرمجيات (NOOBS). كبديل، يمكن للمرء أن يكتب صورة من أحدث نسخة من نظام تشغيل الحواسيب الصغيرة (Raspbian أو Rasberry Pi OS) إلى بطاقة SD صغيرة عامة. للحصول على المساعدة في هذا، يرجى الرجوع إلى الموارد الرسمية على شبكة الإنترنت18. من الأفضل استخدام بطاقة SD فئة 10 صغيرة مع 32 غيغابايت من مساحة التخزين. قد لا تكون بطاقات SD أكبر متوافقة تماما مع الحواسيب الصغيرة المدرجة.
  6. قم بتوصيل جهاز عرض ولوحة مفاتيح وماوس بالكمبيوتر الصغير، ثم قم بتوصيل مصدر الطاقة الخاص به.
  7. اتبع الخطوات التي يطالب بها دليل التثبيت لإجراء تثبيت كامل لنظام تشغيل الكمبيوتر الصغير (Raspbian أو Rasberry Pi OS). عندما تم تمهيد الكمبيوتر الصغير، تأكد من أنه متصل بالإنترنت إما من خلال كابل إيثرنت أو واي فاي.
  8. اتبع الخطوات الموضحة أدناه لتحديث حزم البرامج المثبتة مسبقاً في الكمبيوتر الصغير.
    1. فتح إطار المحطة الطرفية (الشكل 3A).
    2. اكتب "sudo apt-get update" (باستثناء علامات الاقتباس) واضغط على مفتاح Enter(الشكل 3B). انتظر حتى تنتهي العملية.
    3. اكتب "sudo apt كامل الترقية" (باستثناء علامات الاقتباس) واضغط على إدخال. قم بإجراء استجابات الزر عند المطالبة وانتظر حتى تنتهي العملية.
  9. ضمن القائمة ابدأ، حدد تفضيلات و Raspberry Pi التكوينات (الشكل 3C). في النافذة المفتوحة، انتقل إلى علامة التبويب الواجهات وانقر لتمكين الكاميرا و I2C. هذا مطلوب للحصول على عمل الكمبيوتر الصغير مع وحدات الأشعة تحت الحمراء LED.
  10. إعادة تسمية الملف التكميلي 1 إلى "Pi_video_camera_Clemensson_2019.py". نسخه على عصا ذاكرة USB، وبعد ذلك في الكمبيوتر الصغير /الصفحة الرئيسية / بي المجلد(الشكل 3D). هذا الملف هو برنامج نصي Python الذي يمكّن تسجيلات الفيديو التي يتم إجراؤها مع مفاتيح الزر المرفقة في الخطوة 1.13.
  11. اتبع الخطوات الموضحة أدناه لتحرير rc.local ملف الكمبيوتر الصغير. هذا يجعل الكمبيوتر بدء تشغيل البرنامج النصي المنسوخة في الخطوة 1.10 وبدء تشغيل IR المصابيح المرفقة في الخطوة 1.13 عند تشغيله.
    تنبيه: لا تعمل ميزة "البدء التلقائي" هذه بشكل موثوق مع لوحات الحواسيب الصغيرة غير الطراز المسرود.
    1. فتح إطار المحطة الطرفية، اكتب "سودو نانو / etc/rc.local" (باستثناء علامات الاقتباس) واضغط على إدخال. هذا يفتح ملف نصي (الشكل 4A).
    2. استخدام مفاتيح الأسهم لوحة المفاتيح لتحريك المؤشر إلى أسفل إلى المسافة بين "فاي" و "إنهاء 0" (الشكل 4A).
    3. إضافة النص التالي كما هو موضح في الشكل 4B، كتابة كل سلسلة من النص على سطر جديد:
      سودو i2cset -y 1 0x70 0x00 0xa5 &
      سودو i2cset -y 1 0x70 0x09 0x0f &
      سودو i2cset -y 1 0x70 0x01 0x32 &
      سودو i2cset -y 1 0x70 0x03 0x32 &
      سودو i2cset -y 1 0x70 0x06 0x32 &
      سودو i2cset -y 1 0x70 0x08 0x32 &
      sudo بيثون / الصفحة الرئيسية / بي / Pi_video_camera_Clemensson_2019.py &
    4. حفظ التغييرات عن طريق الضغط على Ctrl + x متبوعاً بـ y و Enter.
  12. لحام معا المكونات اللازمة كما هو مبين في الشكل 5A، وكما هو موضح أدناه.
    1. بالنسبة للالمصابيح الملونة اثنين، إرفاق المقاوم وكابل الطائر الإناث إلى ساق واحدة، وكابل الطائر الإناث إلى الآخر (الشكل 5A). في محاولة للحفاظ على الكابلات قصيرة قدر الإمكان. يحيط علما أي من الأقطاب LED هو واحد السلبية (عادة واحدة قصيرة)، وهذا يحتاج إلى أن تكون متصلا على الأرض على دبابيس إدخال/إخراج للأغراض العامة (GPIO) للكمبيوتر الصغير.
    2. لمفاتيح زر اثنين، إرفاق كبل الطائر الإناث إلى كل ساق(الشكل 5A). جعل الكابلات طويلة لأحد مفاتيح، وقصيرة للآخر.
    3. لتجميع وحدة IR LED، اتبع التعليمات المتوفرة على موارد الويب الرسمية19.
    4. تغطية المفاصل لحام مع تقلص أنابيب للحد من خطر قصر الدائرة المكونات.
  13. إيقاف تشغيل الكمبيوتر الصغير وتوصيل مفاتيح والمصابيح إلى دبابيس GPIO كما هو مبين في الشكل 5B، والموصوف أدناه.
    تنبيه: يمكن أن يؤدي توصيل المكونات إلى دبابيس GPIO الخاطئة إلى تلفها و/أو الكمبيوتر الصغير عند تشغيل الكاميرا.
    1. قم بتوصيل أحد مؤشرات LED بحيث تصل نهايته السلبية إلى #14 ويتصل طرفه الإيجابي #12. هذا الصمام سوف يلمع عندما تم تمهيد الكمبيوتر الصغير والكاميرا جاهزة للاستخدام.
    2. قم بتوصيل مفتاح الزر بكابلات طويلة بحيث يتصل أحد الكبلات لتثبيت #9 والآخر لتثبيته #11. يتم استخدام هذا الزر لبدء وإيقاف تسجيلات الفيديو.
      ملاحظة: تم كتابة البرنامج النصي الذي يتحكم في الكاميرا بحيث لا يستجيب هذا الزر لبضع ثوان فقط بعد بدء تشغيل أو إيقاف تسجيل فيديو.
    3. قم بتوصيل أحد مؤشرات LED بحيث تصل نهايته السلبية إلى #20 وتوصيل نهايته الإيجابية إلى #13. هذا الصمام سوف يلمع عندما الكاميرا هو تسجيل الفيديو.
    4. قم بتوصيل مفتاح الزر بالكابلات القصيرة بحيث يتصل أحد الكبلات لتثبيت #37 والآخر لتثبيت #39. يتم استخدام هذا التبديل لإيقاف تشغيل الكاميرا.
    5. قم بتوصيل وحدة IR LED كما هو موضح في موارد الويب الرسمية19.

2. تصميم بروتوكول تكييف operant من الفائدة

ملاحظة: لاستخدام DeepLabCut لتتبع تطور البروتوكول في مقاطع الفيديو المسجلة من الغرف الأوبرالية ، يجب أن يتم تنظيم البروتوكولات السلوكية بطرق محددة ، كما هو موضح أدناه.

  1. تعيين البروتوكول لاستخدام ضوء الغرفة منزل، أو إشارة ضوئية قوية أخرى، كمؤشر على خطوة محددة في البروتوكول (مثل بدء التجارب الفردية، أو جلسة اختبار) (الشكل 6A). سيتم الإشارة إلى هذه الإشارة على أنها "مؤشر خطوة البروتوكول" في ما تبقى من هذا البروتوكول. سيسمح وجود هذه الإشارة بتتبع تقدم بروتوكول الفيديو المسجل.
  2. تعيين البروتوكول لتسجيل كافة الاستجابات ذات الاهتمام مع الطوابع الزمنية الفردية فيما يتعلق عندما يصبح مؤشر خطوة البروتوكول نشطة.

3. تسجيل أشرطة الفيديو من الحيوانات أداء اختبار السلوك من الفائدة

  1. ضع الكاميرا على أعلى الغرف operant، بحيث يسجل وجهة نظر أعلى من داخل المنطقة(الشكل 7).
    ملاحظة: هذا مناسب بشكل خاص لالتقاط موقف الحيوانات العام وموقفها داخل الغرفة. تجنب وضع أضواء مؤشر الكاميرا ووحدة IR LED بالقرب من عدسة الكاميرا.
  2. ابدأ تشغيل الكاميرا بتوصيلها بمأخذ كهربائي عبر كابل الإمداد بالطاقة.
    ملاحظة: قبل الاستخدام الأول، من المفيد تعيين تركيز الكاميرا، باستخدام الأداة الصغيرة التي ترافق وحدة الكاميرا.
  3. استخدم الزر المتصل في الخطوة 1.13.2 لبدء تسجيلات الفيديو وإيقافها.
  4. قم بإيقاف تشغيل الكاميرا باتباع هذه الخطوات.
    1. اضغط مع الاستمرار على الزر المتصل في الخطوة 1.13.4 حتى يتم إيقاف تشغيل LED المتصل في الخطوة 1.13.1. يؤدي هذا إلى بدء عملية إيقاف تشغيل الكاميرا.
    2. انتظر حتى يتوقف مصباح LED الأخضر المرئي أعلى الكمبيوتر الصغير(الشكل 1).
    3. إزالة مصدر الطاقة في الكاميرا.
      تنبيه: يمكن أن يؤدي فصل مصدر الطاقة أثناء تشغيل الكمبيوتر الصغير إلى تلف البيانات الموجودة على بطاقة SD الصغيرة.
  5. قم بتوصيل الكاميرا بجهاز عرض ولوحة مفاتيح وماوس وجهاز تخزين USB واسترد ملفات الفيديو من سطح المكتب الخاص بها.
    ملاحظة: يتم تسمية الملفات وفقاً للتاريخ والوقت عند بدء تشغيل تسجيل الفيديو. ومع ذلك، لا يملك الكمبيوتر الصغير ساعة داخلية وتحديث إعدادات الوقت الخاصة به فقط عند الاتصال بالإنترنت.
  6. تحويل مقاطع الفيديو المسجلة من .h264 إلى . MP4 ، كما يعمل هذا الأخير بشكل جيد مع DeepLabCut ومعظم وسائل الاعلام اللاعبين.
    ملاحظة: هناك عدة طرق لتحقيق ذلك. واحد هو موضح في ملف تكميلي 2.

4. تحليل مقاطع الفيديو باستخدام DeepLabCut

ملاحظة: DeepLabCut هو حزمة البرامج التي تسمح للمستخدمين لتحديد أي كائن من الفائدة في مجموعة من إطارات الفيديو، واستخدام هذه في وقت لاحق لتدريب شبكة عصبية في تتبع المواقع الكائنات في كامل طول أشرطة الفيديو15،16. هذا القسم يعطي مخططاً تقريبيًا لكيفية استخدام DeepLabCut لتتبع حالة مؤشر خطوة البروتوكول وموضع رأس الفئران. تركيب واستخدام DeepLabCut هو وصف جيد في البروتوكولات المنشورة الأخرى15،16. يمكن القيام بكل خطوة من خلال أوامر بيثون محددة أو واجهة المستخدم الرسومية DeepLabCut ، كما هو موضح في مكان آخر15،16.

  1. إنشاء وتكوين مشروع جديد DeepLabCut باتباع الخطوات الموضحة في16.
  2. استخدم وظيفة الاستيلاء على الإطار DeepLabCut لاستخراج إطارات فيديو 700\u2012900 من واحد أو أكثر من مقاطع الفيديو المسجلة في القسم 3.
    ملاحظة: إذا كانت الحيوانات تختلف اختلافا كبيرا في تصبغ الفراء أو غيرها من الخصائص البصرية، فمن المستحسن أن يتم تقسيم إطارات الفيديو 700\u2012900 المستخرجة عبر أشرطة الفيديو من الحيوانات المختلفة. ومن خلال ذلك، يمكن استخدام شبكة مدربة واحدة لتتبع الأفراد المختلفين.
    1. تأكد من تضمين إطارات الفيديو التي تعرض كلاً من النشط(الشكل 8A)وغير نشط(الشكل 8B) حالة مؤشر خطوة البروتوكول.
    2. تأكد من تضمين إطارات الفيديو التي تغطي مجموعة من المواقف المختلفة، والمواقف وحركات الرأس التي قد تظهر الفئران أثناء الاختبار. وينبغي أن يشمل ذلك إطارات الفيديو حيث يقف الجرذ لا يزال في مناطق مختلفة من الغرفة ، مع توجيه رأسه في اتجاهات مختلفة ، وكذلك إطارات الفيديو حيث يتحرك الجرذ بنشاط ، ويدخل فتحات كزة الأنف ويدخل حوض بيليه.
  3. استخدم صندوق أدوات وضع العلامات في DeepLabCut لوضع علامة على موضع رأس الجرذ يدويًا في كل إطار فيديو مستخرج في الخطوة 4.2. استخدام مؤشر الماوس لوضع تسمية "الرأس" في موقف مركزي بين آذان الفئران (الشكل 8A, B). وبالإضافة إلى ذلك، بمناسبة موقف من ضوء الغرفة منزل (أو غيرها من مؤشر خطوة بروتوكول) في كل إطار الفيديو حيث هو ساطع بنشاط (الشكل 8A). اترك ضوء المنزل غير مُدلى به في الإطارات حيث يكون غير نشط (الشكل 8B).
  4. استخدام DeepLabCut في "إنشاء مجموعة بيانات التدريب" و "شبكة القطار" وظائف لإنشاء مجموعة بيانات التدريب من إطارات الفيديو المسمى في الخطوة 4.3 والبدء في تدريب شبكة عصبية. تأكد من تحديد "resnet_101" لنوع الشبكة المختار.
  5. وقف تدريب الشبكة عندما انخفض فقدان التدريب إلى أقل من 0.01. قد يستغرق هذا ما يصل إلى 500,000 تكرار التدريب.
    ملاحظة: عند استخدام جهاز GPU مع ذاكرة 8 غيغابايت تقريبًا ومجموعة تدريب من حوالي 900 إطار فيديو (دقة: 1640 × 1232 بكسل)، تم العثور على عملية التدريب التي تستغرق حوالي 72 ساعة.
  6. استخدم وظيفة تحليل الفيديو في DeepLabCut لتحليل مقاطع الفيديو التي تم جمعها في الخطوة 3 ، باستخدام الشبكة العصبية المدربة في الخطوة 4.4. سيوفر هذا ملف .csv يسرد المواقف المتعقبة لرأس الجرذ ومؤشر الخطوة البروتوكولية في كل إطار فيديو من مقاطع الفيديو التي تم تحليلها. بالإضافة إلى ذلك ، فإنه سيتم إنشاء ملفات فيديو ملحوظ حيث يتم عرض المواقف المتعقبة بصريًا(مقاطع الفيديو 1-8).8
  7. تقييم دقة التتبع باتباع الخطوات الموضحة أدناه.
    1. استخدم وظيفة تقييم DeepLabCut المدمجة للحصول على تقييم تلقائي لدقة تتبع الشبكة. يستند هذا إلى إطارات الفيديو التي تم تصنيفها في الخطوة 4.3 ويصف مدى بعيد على متوسط الموضع تعقبها شبكة الاتصال من التسمية وضعت يدوياً.
    2. حدد تسلسل فيديو مختصر أو أكثر (من إطارات الفيديو 100\u2012200 لكل منها) في مقاطع الفيديو التي تم الحصول عليها في الخطوة 4.6. الذهاب من خلال تسلسل الفيديو ، الإطار من خلال الإطار ، وملاحظة في عدد الإطارات التسميات تشير بشكل صحيح إلى مواقف رأس الفئران ، الذيل ، وما إلى ذلك ، وكيف يتم وضع العديد من الإطارات التسميات في مواقف خاطئة أو لا تظهر.
      1. إذا كان يتم فقدان تسمية جزء الجسم أو الكائن بشكل متكرر أو وضعها في موضع خاطئ، حدد الحالات التي يفشل فيها التعقب. استخراج وإضافة إطارات تحمل علامات من هذه المناسبات بتكرار الخطوات 4.2. و4.3. ثم إعادة تدريب الشبكة وإعادة تحليل أشرطة الفيديو عن طريق تكرار الخطوات 4.4-4.7. في نهاية المطاف، ينبغي تحقيق دقة تتبع دقة > 90٪.

5. الحصول على إحداثيات لنقاط الاهتمام في الغرف الأوبرالية

  1. استخدام DeepLabCut كما هو موضح في الخطوة 4.3 للاحتفال يدويا نقاط الاهتمام في غرف operant (مثل فتحات كزة الأنف، العتلات، الخ) في إطار فيديو واحد(الشكل 8C). ويتم اختيار هذه الفوائد يدوياً حسب اهتمامات الدراسة، على الرغم من أنه ينبغي دائماً إدراج وضع مؤشر خطوة البروتوكول.
  2. استرداد إحداثيات نقاط الاهتمام المميزة من ملف .csv الذي يقوم DeepLabCut بتخزينها تلقائيًا تحت "البيانات المسماة" في مجلد المشروع.

6. تحديد مقاطع الفيديو حيث يكون مؤشر خطوة البروتوكول نشطًا

  1. تحميل ملفات .csv التي تم الحصول عليها من تحليل الفيديو DeepLabCut في الخطوة 4.6 إلى برنامج إدارة البيانات في الاختيار.
    ملاحظة: نظرًا لكمية البيانات التي تم الحصول عليها من DeepLabCut وأنظمة التكييفات operant تعقيدًا، فإن إدارة البيانات تتم على أفضل نحو من خلال برامج التحليل التلقائية. للبدء في هذا، يرجى الرجوع إلى أدلة مستوى الدخول المتاحة في أماكن أخرى20،21،22.
  2. لاحظ في الفيديو الذي يتم تعقب مقطع مؤشر خطوة بروتوكول ضمن 60 بكسل من الموضع الذي تم الحصول عليه في القسم 5. وستكون هذه الفترات حيث يكون مؤشر خطوة البروتوكول نشط(الشكل 6B).
    ملاحظة: أثناء مقاطع الفيديو حيث مؤشر خطوة بروتوكول لا مشرقة، قد يبدو الفيديو ملحوظ حتى تشير إلى أن DeepLabCut لا تتبع ذلك إلى أي موضع. ومع ذلك، نادراً ما يكون هذا هو الحال، وبدلاً من ذلك يتم تعقبها عادة إلى مواقع متفرقة متعددة.
  3. استخراج نقطة البداية الدقيقة لكل فترة حيث يكون مؤشر خطوة البروتوكول نشطًا (الشكل 6C: 1).

7- تحديد شرائح الفيديو ذات الأهمية

  1. النظر في النقاط حيث يصبح مؤشر خطوة بروتوكول نشطة(الشكل 6C: 1) والطوابع الزمنية للردود المسجلة من قبل الغرف operant (القسم 2، الشكل 6C: 2).
  2. استخدم هذه المعلومات لتحديد مقاطع الفيديو التي تغطي أحداثًا مثيرة للاهتمام، مثل الفواصل الزمنية بين المحاكمات والاستجابات واسترجاع المكافآت وما إلى ذلك (الشكل 6C: 3، الشكل 6D).
    ملاحظة: لهذا، تذكر أن الكاميرا الموضحة هنا تسجل مقاطع فيديو بمعدل 30 إطاراً في الثانية.
  3. لاحظ إطارات الفيديو المحددة التي تغطي هذه الأحداث ذات الأهمية.
  4. (اختياري) تحرير ملفات الفيديو من جلسات اختبار كامل لتشمل فقط شرائح محددة من الفائدة.
    ملاحظة: هناك عدة طرق لتحقيق ذلك. واحد هو موضح في ملف تكميلي 2 و 3. وهذا يساعد كثيرا عند تخزين أعداد كبيرة من أشرطة الفيديو ويمكن أيضا أن تجعل مراجعة وتقديم النتائج أكثر ملاءمة.

8. تحليل موضع وتحركات الحيوان خلال مقاطع فيديو محددة

  1. مجموعة فرعية بيانات تتبع كامل من موقف رئيس الحصول عليها من DeepLabCut في الخطوة 4.6 لتشمل فقط مقاطع الفيديو الملاحظة تحت القسم 7.
  2. حساب موضع رأس الحيوان بالنسبة لواحدة أو أكثر من النقاط المرجعية المحددة تحت القسم 5 (الشكل 8C). وهذا يتيح مقارنات التتبع والموضع عبر مقاطع الفيديو المختلفة.
  3. إجراء تحليل متعمق ذو صلة لموقع الحيوان وحركاته.
    ملاحظة: التحليل المحدد الذي يتم إجراؤه سيكون محددًا بشكل قوي. وترد أدناه بعض الأمثلة على المعلمات التي يمكن تحليلها.
    1. تصور مسار تتبع بواسطة رسم كافة الإحداثيات التي تم اكتشافها أثناء فترة محددة ضمن رسم بياني واحد.
    2. تحليل القرب من نقطة معينة من الاهتمام باستخدام الصيغة التالية:
      figure-protocol-1
    3. تحليل التغيرات في السرعة أثناء حركة عن طريق حساب المسافة بين الإحداثيات المتعقبة في إطارات متتالية والقسمة على 1/fps من الكاميرا.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

أداء كاميرا الفيديو

وقد جمعت النتائج التمثيلية في غرف تكييفية فئران تبلغ مساحتها 28.5 سم × 25.5 سم وارتفاعات 28.5 سم. مع عدسة فيش المرفقة، والكاميرا يلتقط مساحة الكلمة كاملة وأجزاء كبيرة من الجدران المحيطة بها، عندما وضعت فوق الغرفة (الشكل 7A). على هذا النحو، يمكن الحصول على منظر جيد، حتى لو تم وضع الكاميرا خارج مركز على أعلى الغرفة. وينبغي أن ينطبق هذا على الغرف operant مماثلة. والمصابيح IR قادرة على إلقاء الضوء على غرفة كاملة (

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يصف هذا البروتوكول كيفية إنشاء كاميرا فيديو غير مكلفة ومرنة يمكن استخدامها لتسجيل مقاطع الفيديو من غرف تكييفات operant وغيرها من أجهزة الاختبار السلوكية. كما يوضح كيفية استخدام DeepLabCut لتتبع إشارة ضوئية قوية داخل مقاطع الفيديو هذه ، وكيف يمكن استخدامها للمساعدة في تحديد شرائح الفيديو القصيرة ذات الاهتمام في ملفات الفيديو التي تغطي جلسات الاختبار الكاملة. وأخيراً، يصف كيفية استخدام تتبع رأس الفئران لاستكمال تحليل السلوكيات أثناء اختبارات التكييف الأوبرالية.

ويقدم البروتوكول بديلاً عن حلول تس...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

في حين تم استخدام مواد وموارد من مؤسسة Raspberry Pi واستشهد بها في هذه المخطوطة، لم تشارك المؤسسة بنشاط في إعداد أو استخدام المعدات والبيانات في هذه المخطوطة. وينطبق الشيء نفسه على بي التموين. ليس لدى أصحاب البلاغ ما يكشفون عنه.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

وقد تم دعم هذا العمل من خلال منح من مؤسسة الدماغ السويدية، ومؤسسة باركنسون السويدية، وصناديق الحكومة السويدية للبحوث السريرية (M.A.C.)، وكذلك مؤسسات وينر-غرين (M.A.C، E.K.H.C)، ومؤسسة أهلين (M.A.C) ومؤسسة Blanceflor Boncompagni Ludovisi، née Bildt (S.F.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
بطاقة micro SD سعة 32 جيجابايت مع برنامج جديد Our Of Box (NOOBS) مثبت مسبقاThe Pi hut (https://thpihut.com)32 جيجابايت
330 أومكوخ Pi (https://thpihut.com)100287هذه المقالة مخصصة لحزمة بها مقاومات مختلطة ، حيث يتم تضمين مقاومات 330 أوم.
وحدة الكاميرا (كاميرا Raspberry Pi NoIR v.2)كوخ Pi (https://thpihut.com)100004
كابل شريط الكاميرا (كعب كابل الكاميرا Raspberry Pi Zero)كوخ Pi (https://thpihut.com)MMP-1294هذا مطلوب فقط إذا تم استخدام Raspberry Pi zero. إذا تم استخدام لوحة Raspberry Pi أخرى ، فإن كابل شريط الكاميرا المناسب يرافق مكون الكاميرا
مصابيح LED الملونةكوخ Pi (https://thpihut.com)ADA4203هذه المقالة مخصصة لحزمة بألوان مختلطة من مصابيح LED. يمكن استخدام أي لون.
كابلات العبور الإناث والإناثكوخ Pi (https://thpihut.com) وحدةADA266
IR LED (Bright Pi) PiSupply (https://uk.pi-supply.com) اللوحةPIS-0027
(لوحة Raspberry Pi Zero مع رؤوس ملحومة مسبقا)كوخ Pi (https://thpihut.com)102373يمكن أيضا استخدام لوحات Raspberry Pi الأخرى ، على الرغم من أن طريقة بدء البرنامج النصي Python تلقائيا تعمل فقط مع Raspberry Pi zero. إذا كنت تستخدم نماذج أخرى ، فيجب بدء البرنامج النصي python يدويا.
مفتاح زرالضغط كوخ Pi (https://thpihut.com)ADA367
Raspberry Pi كابل إمداد الطاقةكوخ Pi (https://thpihut.com)102032
حالة Raspberry Pi Zeroكوخ Pi (https://thpihut.com)102118
Raspberry Pi ، Mod my pi ، حامل الكاميرا مع عدسة عين السمكة المغناطيسية وملحق الحلقة المعدنية المغناطيسيةكوخ Pi (https://thpihut.com)MMP-0310-كيت
الأم للحواسيب الصغيرة

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Pritchett, K., Mulder, G. B. Operant conditioning. Contemporary Topics in Laboratory Animal Science. 43 (4), (2004).
  2. Clemensson, E. K. H., Novati, A., Clemensson, L. E., Riess, O., Nguyen, H. P. The BACHD rat model of Huntington disease shows slowed learning in a Go/No-Go-like test of visual discrimination. Behavioural Brain Research. 359, 116-126 (2019).
  3. Asinof, S. K., Paine, T. A. The 5-choice serial reaction time task: a task of attention and impulse control for rodents. Journal of Visualized Experiments. (90), e51574(2014).
  4. Coulbourn instruments. Graphic State: Graphic State 4 user's manual. Coulbourn instruments. , Holliston, Massachusetts. 12-17 (2013).
  5. Med Associates Inc. Med-PC IV: Med-PC IV programmer's manual. Med Associates Inc. , St. Albans, Vermont. 21-44 (2006).
  6. Clemensson, E. K. H., Clemensson, L. E., Riess, O., Nguyen, H. P. The BACHD rat model of Huntingon disease shows signs of fronto-striatal dysfunction in two operant conditioning tests of short-term memory. PloS One. 12 (1), (2017).
  7. Herremans, A. H. J., Hijzen, T. H., Welborn, P. F. E., Olivier, B., Slangen, J. L. Effect of infusion of cholinergic drugs into the prefrontal cortex area on delayed matching to position performance in the rat. Brain Research. 711 (1-2), 102-111 (1996).
  8. Chudasama, Y., Muir, J. L. A behavioral analysis of the delayed non-matching to position task: the effects of scopolamine, lesions of the fornix and of the prelimbic region on mediating behaviours by rats. Psychopharmacology. 134 (1), 73-82 (1997).
  9. Talpos, J. C., McTighe, S. M., Dias, R., Saksida, L. M., Bussey, T. J. Trial-unique, delayed nonmatching-to-location (TUNL): A novel, highly hippocampus-dependent automated touchscreen test of location memory and pattern separation. Neurobiology of Learning and Memory. 94 (3), 341(2010).
  10. Rayburn-Reeves, R. M., Moore, M. K., Smith, T. E., Crafton, D. A., Marden, K. L. Spatial midsession reversal learning in rats: Effects of egocentric cue use and memory. Behavioural Processes. 152, 10-17 (2018).
  11. Gallo, A., Duchatelle, E., Elkhessaimi, A., Le Pape, G., Desportes, J. Topographic analysis of the rat's behavior in the Skinner box. Behavioural Processes. 33 (3), 318-328 (1995).
  12. Iversen, I. H. Response-initiated imaging of operant behavior using a digital camera. Journal of the Experimental Analysis of Behavior. 77 (3), 283-300 (2002).
  13. Med Associates Inc. Video monitor: Video monitor SOF-842 user's manual. Med Associates Inc. , St. Albans, Vermont. 26-30 (2004).
  14. Coulbourn Instruments. Coulbourn Instruments. , Available from: https://www.coulbourn.com/product_p/h39-16.htm (2020).
  15. Mathis, A., et al. DeepLabCut: markerless pose estimation of user-defined body parts with deep learning. Nature Neuroscience. 21 (9), 1281-1289 (2018).
  16. Nath, T., Mathis, A., Chen, A. C., Patel, A., Bethge, M., Mathis, M. W. Using DeepLabCut for 3D markerless pose estimation across species and behaviors. Nature Protocols. 14 (7), 2152-2176 (2019).
  17. Bari, A., Dalley, J. W., Robbins, T. W. The application of the 5-chopice serial reaction time task for the assessment of visual attentional processes and impulse control in rats. Nature Protocols. 3 (5), 759-767 (2008).
  18. Raspberry Pi foundation. Raspberry Pi foundation. , Available from: https://thepi.io/how-to-install-raspbian-on-the-raspberry-pi/ (2020).
  19. Pi-supply. Pi-supply. , Available from: https://learn.pi-supply.com/make/bright-pi-quickstart-faq/ (2018).
  20. Python. Python. , Available from: https://wiki.python.org/moin/BeginnersGuide/NonProgrammers (2020).
  21. MathWorks. MathWorks. , Available from: https://mathworks.com/academia/highschool/ (2020).
  22. Cran.R-Project.org. Cran.R-Project.org. , Available from: https://cran.r-project.org/manuals.html (2020).
  23. Liu, Y., Tian, C., Huang, Y. Critical assessment of correction methods for fisheye lens distortion. The international archives of the photogrammetry, remote sensing and spatial information sciences. , (2016).
  24. Pereira, T. D., et al. Fast animal pose estimation using deep neural networks. Nature Methods. 16 (1), 117-125 (2019).
  25. Graving, J. M., et al. DeepPoseKit, a software toolkit for fast and robust animal pose estimation using deep learning. Elife. 8 (47994), (2019).
  26. Geuther, B. Q., et al. Robust mouse tracking in complex environments using neural networks. Communications Biology. 2 (124), (2019).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Operant Conditioning ChambersVideo Camera SetupDeepLabCut TrackingRat Head TrackingVideo Frame AnalysisInfrared IlluminationProtocol Step IndicatorNeural Network TrainingCSV File OutputBehavioral Test Analysis

Related Articles