تتبع متزامن متعدد المفاصل قائم على التعلم العميق لقياس حركية الأطراف الخلفية في الجرذان بشكل موضوعي
April 3rd, 2026
يؤسس هذا البروتوكول خط تقييم حركي للطرف الخلفي للفئران باستخدام اختبار جهاز المشي بدون علامات مع وسم ذاتي متعدد المفاصل مدفوع بالتعلم العميق، مما يتيح إعادة تكرار قياس الحركة.
طورنا جهاز مشي مدفوع بالذكاء الاصطناعي لتتبع حركات الفئران، مما ساعدنا على تقييم التعافي بدقة من إصابات الحبل الشوكي. على عكس طرق البصمة التقليدية التي تعني اقتصاديات مفاصل معقدة، فإن نظام الذكاء الاصطناعي التجريبي لدينا يتتبع مباشرة حركات الفرق المتعددة. للبدء، شغل الكمبيوتر الصناعي وشغل برنامج التقاط وتحليل الفيديو.
ضع عدسة الكاميرا عموديا على المحور الطولي لجهاز المشي للحصول على رؤية جانبية صارمة، مع الحفاظ على مسافة عمل أفقية تبلغ 15 سنتيمترا من مستوى حزام جهاز المشي. بعد ذلك، سجل وزن جسم كل فأر باستخدام ميزان إلكتروني. أضف فقط فئران ذات أوزان جسم متطابقة لتقليل تأثيرات حجم الجسم.
ارتد القفازات وأمسك الفأر بلطف. لف حزام الصدر المطاطي حول الإبط الأمامي وربطه بسكة الانزلاق القابلة للتعديل. ثم قم بضبط الحزام بحيث يمكن إدخال إصبع واحد دون تقييد التنفس.
على شاشة التحكم باللمس، اضبط السرعة إلى 150 مليمتر في الثانية والميل إلى صفر درجة. أجر جلسة تأقلم لمدة 10 دقائق لتكييف الفأر مع مستوى دعم وزن الجسم مع مراقبة الجرذ بحثا عن علامات التوتر والإرهاق، مثل التردد في الحركة والتغوط لفترة طويلة. تأكد من التأقلم الناجح عندما يحافظ الفأر على خطوة مستمرة وموحدة لمدة لا تقل عن 60 ثانية دون سحب كفه وبذيل معلق طبيعيا.
استبعد الحيوانات التي لا تستوفي هذه المعايير بعد فترة التكيف القصوى. أدخل المعايير الخاصة بالتجربة الرسمية على شاشة اللمس. أدخل السرعة والميل المطلوبين بشكل متسلسل، ثم اختر اتجاه حزام جهاز المشي.
بعد الاستقرار، اختر بدء التسجيل لبدء جمع البيانات. التقط باستمرار على الأقل خمس دورات مشية كاملة. في نهاية كل تجربة، قلل السرعة إلى صفر مليمتر في الثانية.
فك حزام الصدر وأعد الفأر إلى قفصه المناسب. استخرج مقاطع فيديو مدتها حوالي 10 ثوان تحتوي على المسار المستهدف مع ما لا يقل عن 10 دورات مشية مستقرة. سجل معلومات الفئران، بما في ذلك رقم التعريف، والمجموعة، وظروف التجارب.
استيراد ملف MOV إلى برنامج التحليل. قم بتطبيع كل دورة مشية من الصفر إلى 100٪ لتوحيد طول الدورة. قم بتوليد صور ممثلة لتوضيح ديناميكيات المشي.
تصدير إحداثيات الموقع المكاني لكل مفصل على مر الزمن كملف csv لمزيد من التحليل. بعد الانتهاء من نمذجة الحيوانات، قم بزرع جهاز التسجيل الكهربائي الفيزيولوجي. لتسجيل إشارات الدماغ، ضع أقطاب كهربائية على سطح الجمجمة، أو المساحة فوق الجافية، أو القشرة الدماغية لتسجيل إشارات الدماغ.
لتسجيل الحبل الشوكي، أدخل أقطاب تسجيل في الفضاء فوق الجافية للثقبة بين الفقرات. لتسجيل تخطيط العضلات الكهربائية، دفن أسلاك فضية ثنائية القطب في العضلات المستهدفة لتسجيل النشاط الكهربائي للعضلات. اترك الحيوان يتعافى لمدة خمسة إلى سبعة أيام بعد الزرع.
افحص الجرح وطريقة المشي يوميا للتأكد من عدم وجود علامات عدوى أو ألم قبل اختبار جهاز المشي. جهز المعدات والحيوان قبل التجربة المتزامنة. ثم قم بمزامنة جمع البيانات الفيزيولوجية الكهربائية مع فيديو الحركة لضمان أن كلاهما يشترك في نفس الطابع الزمني.
محاذاة الإشارات العصبية مع إطارات الفيديو المقابلة أثناء التحليل لتصور الأنماط الكهربائية الفسيولوجية في مراحل المشي المختلفة. أظهرت الفئران المصابة بإصابة الحبل الشوكي فقدانا كبيرا في منحنيات التأرجح وغير المنتظمة في الإزاحة الحرقفية. أظهرت الفئران المصابة بإصابات الحبل الشوكي تقلبات زاوية مفاصل أكبر مقارنة بالفئران السليمة.
أظهرت خريطة حرارة مدى حركة المفاصل انخفاضا واسعا في مقياس اللون لدى فئران إصابة الحبل الشوكي مقارنة بالفئران السليمة، بينما كشفت خريطة نشاط المسار عن انخفاض كبير في مدى حركة كل مفصل، إلى جانب ضعف استمرارية الحركة. بالنسبة لفئران إصابة الحبل الشوكي، أظهرت خريطة سحابة النقاط زيادة في التشتت وانحراف مركز الكتلة إلى اليسار. يظهر مخطط شلال الارتفاع توزيعا ثنائي النمط على طول محور x بين المجموعات مع انخفاض عام في منتصف الحركة.
بالنسبة للمحور الصادي، يلاحظ انخفاض في الفرق في بداية الحركة. توزيع الفرق العام فوضوي، مما يشير إلى مراحل حركة غير طبيعية في فئران إصابة الحبل الشوكي مقارنة بالفئران السليمة. تم تحريك التوزيع الرأسي للارتفاع الأقصى للأصابع إلى اليمين في فئران إصابة الحبل الشوكي.
أظهر مخطط نطاق السرعة أن نطاق السرعة المجمع في كل إطار كان ضيقا في مجموعة الإصابة. علاوة على ذلك، أظهرت فئران إصابة الحبل الشوكي أيضا انخفاضا في مساحة مستوى الطور، ومؤشر قوة الدفع الذروة المقدر، ومؤشرات نعومة الحركة. يتيح نظامنا للباحثين قياس مسارات التوصيل المتعددة، وتوزيع القوة، ونعومة الحركة بدقة في الوقت الحقيقي.
من الاعتبارات المهمة تأقلم الجرذ تماما مع نظام جهاز المشي لضمان استقرار وتحليل أنماط المشي. يمكننا مزامنة النظام مع تخطيط العضلات الكهربائي أو تخطيط الدماغ لفك تشفير إشارات الآليات وراء هذه الحركة.
View the full transcript and gain access to thousands of scientific videos
Overview
This article presents a markerless, treadmill-based gait analysis system for rodents that leverages custom deep learning algorithms to enable real-time, multidimensional tracking of lower-limb joint kinematics. The system provides objective, high-throughput quantification of gait parameters under various experimental conditions, and is validated using spinal cord injury (SCI) models to demonstrate its sensitivity and utility in neuromuscular research.
Key Study Components
Area of Science
- Neuroscience
- Kinesiology
- Behavioral analysis
- Biomedical engineering
Background
- Accurate assessment of rodent gait is critical for studying neuromuscular and neurological disorders.
- Traditional footprint-based methods are limited in capturing complex, multi-joint kinematics.
- Objective, high-dimensional gait analysis tools are needed to reduce bias and improve data richness.
- Integration of neural signal recording with behavioral analysis can elucidate central-peripheral control mechanisms.
Purpose of Study
- To develop a markerless, AI-driven treadmill system for real-time, multi-joint gait analysis in rodents.
- To enable objective quantification of gait parameters under variable speed, incline, and weight support.
- To validate the system's sensitivity in distinguishing healthy from spinal cord injured rodents.
Methods Used
- Setup of a programmable treadmill with lateral video capture for markerless joint tracking.
- Application of deep learning algorithms for automatic extraction of joint trajectories and gait parameters.
- Experimental modulation of treadmill speed (0–300 mm/s), incline (±30°), and weight support (0–500 g).
- Integration of electrophysiological recordings (EEG, EMG, spinal cord signals) synchronized with gait video.
- Analysis of gait cycles, joint kinematics, force distribution, and movement smoothness.
Main Results
- The system enables real-time, high-throughput extraction of multi-joint trajectories and gait cycle parameters.
- SCI rats exhibited significant loss of swing, irregular iliac displacement, increased joint angle fluctuations, and reduced range of motion compared to healthy controls.
- Heat maps and trajectory analyses revealed impaired movement continuity and altered force distribution in SCI rats.
- Synchronization with neural recordings allowed visualization of electrophysiological patterns across gait phases.
Conclusions
- The markerless treadmill system provides objective, multidimensional gait analysis, overcoming limitations of traditional methods.
- It is sensitive to neuromuscular deficits and suitable for disease discrimination and grading.
- The platform supports integration with neurophysiological recordings, enabling advanced studies of motor control and neuromodulation.
