Suivi synchrone multiarticulaire basé sur l’apprentissage profond pour la quantification objective de la cinématique locomotrice des membres postérieurs chez les rats

Summary

Ce protocole établit une chaîne d’évaluation cinématique des membres postérieurs de rat utilisant un test de tapis roulant sans marqueurs avec auto-marquage multi-articulaires piloté par apprentissage profond, permettant une quantification reproductible du mouvement.

Abstract

Une évaluation précise et objective de la démarche des rats est essentielle dans les domaines de la recherche en neurosciences et en kinésiologie. Les systèmes conventionnels reposent fréquemment sur l’imagerie de l’empreinte pour l’inférence indirecte de la marche, qui ne peut pas capturer entièrement la cinématique multiarticulaire des membres postérieurs. Cette étude établit un système d’analyse de la démarche basé sur un tapis roulant sans marqueurs pour les rongeurs, intégrant des algorithmes d’apprentissage profond personnalisés avec un tapis de soutien programmable permettant le suivi en temps réel de multiples articulations des membres inférieurs et la quantification cinématique multidimensionnelle. Le système extrait automatiquement les paramètres du cycle de la marche, les trajectoires articulaires, les schémas de répartition des forces et la fluidité des mouvements sous des conditions de vitesse modulée (0-300 mm/s), d’inclinaison (± gradient de 30°) et de soutien de poids gradué (0-500 g), fournissant un outil d’évaluation objectif pour la recherche sur le comportement neuromusculaire. En utilisant des modèles de lésion de la moelle épinière (LME), les résultats démontrent la sensibilité du système à détecter les différences multidimensionnelles dans l’amplitude de mouvement articulaire, la continuité de trajectoire, la force propulsive et la fluidité des mouvements entre rongeurs sains et blessés, validant ainsi ses capacités de discrimination et de gradation des maladies. Comparée aux scores subjectifs traditionnels ou aux méthodes d’empreinte, cette plateforme élimine les biais personnels et les limitations de données à faible dimension tout en combinant une architecture pilotée par l’apprentissage profond et des avantages de collecte de données à haut débit. Elle est applicable à la recherche portant sur les lésions nerveuses centrales ou périphériques, les maladies neurodégénératives, les troubles musculo-squelettiques et les processus de vieillissement. Grâce à l’intégration synchrone des modules de neuroélectrophysiologie, le système permet également le couplage temporel des signaux de marche et de neurones, établissant un cadre méthodologique pour analyser les mécanismes de contrôle central-périphérique et développer des stratégies neuromodulatrices.

Introduction

Dans la neuroscience contemporaine et la recherche locomotrice, la quantification objective de la marche est désormais impérative pour disséquer les fonctions neuro-musculaires, élucider les mécanismes de la maladie et évaluer les stratégies de rééducation¹. Sa haute résolution spatiotemporelle permet de capturer de subtiles variations dans les synergies entre les commandes neuronales, les profils d’activation musculaire et la mécanique squelettique, établissant ainsi une base empirique pour étudier la coordination des voies supraspinales, du retour périphérique et des contextes mécaniques. Les métriques cinématiques reproductibles améliorent la sensibilité à la détection des lésions, des changements dégénératifs et des effets thérapeutiques, accélérant ainsi la chaîne de développement de médicaments et^{dispositifs 2}.

Des plateformes d’évaluation conventionnelles telles que CatWalk, DigiGait ou des analyses d’empreintes simplifiées déduisent indirectement la cinématique articulaire basée sur des schémas de contact plantaire. Ces approches produisent des métriques à faible résolution et incohérentes qui ne capturent pas la complexité cinématique multi-articulaire des membres^{postérieurs 3,4}. L’objectif global de notre méthode est de mettre en place un système d’analyse de la marche de haute précision, sans marqueurs et supporté par le poids, spécialement conçu pour les modèles de rongeurs. Par conséquent, nous établissons un cadre novateur qui : (i) maintient les rongeurs dans une posture droite sous une charge axiale contrôlée (0-100 % de poids corporel) lors de l’imagerie multiarticulaire continue, (ii) localise directement les repères anatomiques du plan sagittal, de l’analyse latérale à l’apprentissage profond, pour générer des trajectoires spatiales 2D, (iii) exporte les angles articulaires résolus dans le temps et la cinématique segmentaire pour la modélisation^{statistique 5}. Fondamentalement, ce cadre repose sur l’application de l’apprentissage profond aux tâches de vision par ordinateur, ce qui permet une extraction robuste de fonctionnalités conjointes à partir de données vidéo.

Comparée aux systèmes existants, cette plateforme présente quatre avantages clés. Son fonctionnement sans marqueur élimine les balises réfléchissantes ou implantées tout en réduisant significativement la complexité procédurale et les artefacts de mouvement⁶. Le système intégré de suspension à retour de force permet un soutien précis et gradué du poids corporel (0-100 %), facilitant une évaluation complète de l’allure sur tout le continuum charge-déchargement, absent des tapis de course^{commerciaux 7}. L’architecture d’apprentissage profond permet un réentraînement rapide pour de nouvelles souches, âges ou conditions pathologiques, surpassant le suivi manuel en^{scalabilité 8}. Et les coordonnées spatiales multiarticulaires à haute précision permettent une analyse fine de la cinématique interarticulaire couplée à un profilage quantitatif des schémas de marche aberrants.

Ce protocole est largement applicable. Il permet d’étudier le contrôle supraspinal, les boucles de rétroaction proprioceptives et les synergies musculaires sous des exigences mécaniques^{modulées 9}. Sur le plan physiopathologique, il fournit des biomarqueurs locomoteurs sensibles pour les lésions de la moelle épinière (LME), les AVC, la neurodégénérescence, les neuropathies périphériques et les troubles^{neuromusculaires 8,10}. Sur le plan thérapeutique, il soutient l’évaluation longitudinale des interventions pharmacologiques ou basées sur des dispositifs, avec une puissance statistique accrue grâce à la cinématique haute^{résolution 11}. L’architecture modulaire permet une intégration fluide avec des plateformes complémentaires, par exemple l’électromyogramme (EMG) ou les signaux cérébraux, facilitant le décodage mécaniste des corrélats neuronaux dans le mouvement des membres inférieurs.

Protocol

Toutes les procédures animales ont été approuvées par le Comité institutionnel de soins et d’utilisation des animaux de l’Institut de recherche sur le cerveau de Pékin et respectaient les Directives pour les soins et l’utilisation des animaux de laboratoire. Aucun événement indésirable lié à la procédure n’a été observé.

1. Préparation de l’équipement

1. Allumez l’alimentation du système de tapis de course et sélectionnez le bouton Contrôle de la Vitesse sur l’écran tactile.
2. Laissez la courroie tourner à basse vitesse pendant 30 secondes pour observer si la courroie du tapis roulant dévie.
3. Sélectionnez le bouton Contrôle d’inclinaison , puis réglez l’inclinaison à 0°, cliquez sur Zéro, et confirmez que la valeur affichée coïncide avec la bulle de niveau.
4. Entrez dans l’interface de suspension , suspendez un poids de 10 g et vérifiez si la lecture de tension est proche de 0,10 N.
5. Allumez l’Ordinateur Personnel Industriel (IPC) et entrez dans le logiciel d’acquisition et d’analyse vidéo.
6. Créez un annuaire de l’expérience du jour, incluant des informations telles que le nom de l’expérience, l’identifiant animal, le groupe expérimental, la vitesse, l’inclinaison et le pourcentage de perte de poids.
7. Fixez l’appareil industriel haute vitesse (UC70, résolution : 1280X1024, fréquence d’images : 60 fps), équipé d’un objectif à mise au point manuelle (f = 12 mm), sur un support profilé en aluminium. Positionnez l’objectif perpendiculaire à l’axe longitudinal du tapis de course pour capturer une vue strictement latérale, en maintenant une distance de travail horizontale de 15 cm depuis le plan de la courroie du tapis.
8. Placez la lentille horizontalement à l’aide d’un niveau de bulle et assurez-vous que le torse du rat occupe les 2/3 centraux du cadre. Ajustez la mise au point et l’ouverture jusqu’à ce que les lignes de gamme sur la règle arrière (grille de 1 cm) soient clairement visibles.
9. Cliquez sur Aperçu pour confirmer qu’il n’y a pas de trajet et que la luminosité de fond est uniforme. Si l’image est trop sombre, utilisez un rétroéclairage à diode électrolumineuse (LED) pour augmenter la luminosité ; Si elle est surexposée, réduisez le gain et rétrécissez l’ouverture de manière appropriée.
10. Cliquez sur Démarrer l’enregistrement pour tester la qualité de l’enregistrement des données. Cliquez sur Arrêter l’enregistrement et définissez le chemin de stockage des données. Après avoir terminé les tests d’équipement ci-dessus, commencez les tests sur animaux.

2. Préparation animale et test de réalisation

1. Transférez le rat avec sa cage d’origine dans la salle d’expérimentation et laissez-le reposer pendant 10 minutes. Pendant cette période, il faut permettre un accès libre à la nourriture et à l’eau.
2. Notez le poids corporel à l’aide d’une balance électronique (précise à 0,1 g). Inclure des rats avec un poids corporel correspondant (±10 g) afin de minimiser les effets de confusion liés à la taille corporelle.
3. Si la couleur du pelage des membres postérieurs ne contraste pas suffisamment avec l’arrière-plan, utilisez un rasoir électrique pour retirer délicatement une bande de poils de 1 cm de large sur le côté extérieur de la cuisse et l’arrière de la jambe inférieure afin d’améliorer la précision de la reconnaissance articulaire.
4. Ensuite, utilisez un ruban doux pour mesurer la distance en ligne droite entre la hanche et la cheville (mm), ce qui servira de base à la normalisation ultérieure de la foulée.
5. Mettez des gants, attrapez le rat et passez la sangle élastique autour de l’aisselle avant en la fixant au rail de glissière réglable. Assurez-vous que la sangle est suffisamment lâche pour insérer un doigt sans affecter la respiration de l’animal.
6. Faites lentement tourner la poignée du bras de suspension tout en observant la valeur de tension sur l’écran, en augmentant progressivement jusqu’au rapport de réduction de poids cible. Confirmez que les membres postérieurs du rat sont toujours en contact complet avec le sol.
7. Ajustez la hauteur de la barre de préhension. Desserrez le bouton supérieur et positionnez la barre de préprise avant légèrement sous la pointe du nez du rat en position verticale, afin que l’animal puisse la saisir facilement sans avoir à pencher excessivement la tête en arrière ou à se pencher.
8. Sur l’écran tactile, réglez la vitesse à 150 mm/s et l’inclinaison à 0°. Réalisez une séance d’acclimatation de 10 minutes pour adapter l’animal au niveau de soutien du poids corporel spécifique. Surveillez le rat pour détecter des signes de stress, par exemple gel, défécation.
   1. Si l’allure reste irrégulière (définie comme [>3 interruptions/min]), prolongez la durée par incréments de 2 minutes, jusqu’à un maximum de 20 minutes.
9. L’acclimatation est considérée comme réussie lorsque le rat maintient une foulée continue et uniforme pendant au moins 60 secondes sans traîner la patte, et que la queue pend naturellement sans raideur. Excluez les animaux qui ne remplissent pas ces critères après la période maximale d’acclimatation.
10. Entrez les paramètres nécessaires à l’expérience formelle. Entrez séquentiellement la vitesse désirée (toute valeur entre 0 et 300 mm/s) et l’inclinaison (−30° à +30°) sur l’écran tactile, puis sélectionnez la direction de la courroie du tapis roulant.
11. Après avoir démarré le tapis roulant, observez la posture de marche du rat. Si elle dévie du tiers central, tapotez doucement une fois la paroi droite avec la phalange. La plupart des animaux corrigent leur position d’eux-mêmes. Si deux corrections consécutives sont inefficaces, repositionnez le rat et réenregistrez l’essai.
12. Après la stabilisation, cliquez sur Démarrer l’enregistrement et capturez continuellement au moins cinq cycles complets de démarche.
13. À la fin de chaque essai, réduisez immédiatement la vitesse à 0, détachez la ceinture pectorale et ramenez le rat dans sa cage correspondante.
14. Administrez de l’eau pendant le repos, avec au moins 3 minutes entre les essais.
15. Enregistrez au moins trois essais dans les mêmes conditions. Si un animal court sans interruption plus de six essais, ajoutez un repos supplémentaire de 2 minutes pour éviter la fatigue cumulative.
16. Effectuer un préentraînement pendant cinq jours consécutifs avant l’expérience formelle : marcher 10 minutes par jour à 150 mm/s, inclinaison de 0°, sans perte de poids, en observant la démarche.

3. Extraction des données de la foulée

1. D’abord, extraire les segments contenant l’allure cible, généralement autour de 10 s, ce qui devrait inclure au moins 10 cycles de marche stables analysables.
2. Importez le fichier .mov dans le logiciel d’analyse et enregistrez les informations individuelles des rats, y compris le numéro d’identification, le groupe et les conditions expérimentales.
   REMARQUE : Le système utilise l’architecture YOLO-NAS Pose, un réseau de neurones de pointe optimisé pour l’estimation de pose haute performance.
   Construction de jeu de données : Le modèle a été entraîné sur un ensemble de données robuste de 6 000 images vidéo. Ces cadres étaient annotés manuellement avec les coordonnées de cinq articulations clés des membres postérieurs (crête iliaque, hanche, genou, cheville et orteil) à l’aide de l’interface graphique DeepLabCut pour garantir une précision absolue.
   Entraînement : Le réseau a subi un apprentissage par transfert sur un GPU NVIDIA RTX 3080 pour adapter les poids de la posture YOLO-NAS aux caractéristiques spécifiques du membre postérieur du rat.
   Initialisation : Dans le logiciel, sélectionnez le modèle pré-entraîné « Rat_Hindlimb_YOLO_v1 » et fixez le seuil de confiance à 0,8 pour exclure les points clés à faible certitude.
   Pendant la phase d’analyse, le modèle YOLO-NAS Pose traite le flux vidéo image par image. Contrairement aux méthodes traditionnelles de vision par ordinateur qui reposent sur la soustraction en arrière-plan, cette architecture d’apprentissage profond localise directement le rat et prédit les coordonnées conjointes dans la boîte englobante.
   Post-traitement : L’algorithme extrait les coordonnées x et y des applications de probabilité. Pour atténuer la gigue des hautes fréquences, un filtre médian (taille de fenêtre : 3 images) est appliqué aux trajectoires brutes.
   Sortie : Le système verrouille avec succès les cinq articulations cibles à l’intérieur de l’image vidéo, générant des coordonnées spatiales résolues dans le temps pour toute la séquence de marche. Ces données sont automatiquement exportées sous forme de fichiers .csv pour le calcul cinématique. En utilisant la règle de la carte arrière (grille de 1 cm) capturée simultanément, le système établit une relation de conversion, calcule automatiquement le facteur d’échelle et convertit en lots les coordonnées des pixels en millimètres.
3. Exportez les coordonnées de position spatiale de chaque articulation au fil du temps sous forme de fichier .csv pour un calcul ultérieur de l’index.
   REMARQUE : Le logiciel calcule automatiquement la longueur de foulée, la fréquence des pas et la hauteur du pied, et exporte les changements de position spatiale et d’angles des cinq articulations des membres inférieurs au fil du temps. En fonction de la hauteur des orteils, le logiciel divise automatiquement chaque pas en phase de balancement et phase de posture, et calcule la proportion entre la phase de balancement et la phase de posture au sein de chaque cycle d’allure.

4. Comparaisons cinématiques intergroupes

1. Normalisez chaque cycle de marche au sein du groupe de 0 % (contact pied) à 100 % (même contact de pieds) pour unifier les différentes durées de cycle, facilitant ainsi la moyenne et la comparaison entre groupes. Les types d’images pouvant être générés pour illustrer la dynamique de la démarche sont fournis dans le Fichier Supplémentaire 1.

5. Analyse statistique

1. Effectuez toutes les analyses statistiques à l’aide du logiciel GraphPad Prism.
2. Vérifiez la normalité de la distribution des données à l’aide du test de Shapiro-Wilk.
3. Pour la validation cinématique et la comparaison de démonstration de l’indice de masse corporelle (IMC), présentez les données sous forme de Moyenne ± SEM.
4. Évaluer les différences entre les deux conditions expérimentales à l’aide d’un test t de Student non apparié.
5. Définir les seuils de signification statistique comme *p < 0,05, **p < 0,01 et ***p < 0,005. Notez qu’un total de n = 3 rats a été inclus dans cette étude pilote de validation.

6. Intégration du module électrophysiologique

1. Après avoir terminé la modélisation animale, implantez le dispositif d’enregistrement électrophysiologique.
2. Pour l’enregistrement neuronal, placez des électrodes à la surface du crâne, de l’espace épidural ou du cortex cérébral pour enregistrer les signaux cérébraux.
3. Pour l’enregistrement de la moelle épinière, insérez des électrodes d’enregistrement dans l’espace péridural, le foramen intervertébral.
4. Pour l’enregistrement EMG, enfouissez des fils d’argent bipolaires dans les muscles afin d’enregistrer l’activité électrique musculaire.
5. Après l’implantation, laissez l’animal récupérer pendant 5 à 7 jours, en vérifiant la plaie et la démarche quotidiennement pour s’assurer qu’il n’y a aucun signe d’infection ou de douleur avant de procéder à l’expérience sur tapis roulant.
6. Complétez les préparatifs de l’équipement et des animaux comme décrit ci-dessus.
7. Synchronisez la collection des paramètres électrophysiologiques et des vidéos de mouvement, afin de garantir que les données électrophysiologiques et vidéo partagent le même horodatage.
8. Après la collecte des données, alignez les signaux neuronaux avec les images vidéo lors de l’analyse afin d’observer intuitivement les schémas électrophysiologiques à différentes phases du cycle de la marche, fournissant ainsi une preuve directe de l’exploration du mécanisme de couplage central-périphérique.

Results

Le schéma et la photo réelle de la structure du système de tapis roulant sont montrés respectivement dans les figures 1A, B. L’appareil est capable d’obtenir des images latérales à fort contraste sans marqueurs. Le tapis de course permet des réglages pour la vitesse, l’inclinaison, la direction et la réduction du poids, et est équipé d’un panneau de contrôle numérique. L’interface logicielle associée comprend une interface de surveillance et...

Discussion

Ce protocole décrit un système d’analyse de la démarche basé sur tapis roulant pour les rats et ses procédures opérationnelles, fournissant un outil d’évaluation multidimensionnel et objectif pour la recherche sur le comportement neuromusculaire. Comme démontré dans les comparaisons intergroupes des paramètres de marche entre LME et rats en bonne santé dans l’étude exemplaire, le système acquiert les coordonnées spatiales brutes des membres inférieurs des sujets grâce à une vidéographie ...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Annotation IA de la démarche ; Logiciels d’acquisition	Shanghai Clinical Technology Co., Ltd.	MouseAI	MouseAI est le logiciel intégré d’analyse pour le tapis de course MOVEMETRICS, unifiant l’enregistrement vidéo, l’enregistrement des métadonnées et l’analyse automatisée de la démarche en un seul flux de travail.
Impact mécanique & nbsp ;	Sciences de la vie RWD, Shenzhen, Chine
Système d’enregistrement logique électrophysiologique multicanal	Kedou (suzhou) Cerveau - Technologie Informatique ;	KedouBC RHD128A	KedouBC RHD128A est un système compact d’acquisition électrophysiologique in vivo à 128 canaux , conçu pour l’enregistrement neuronal haute résolution chez les petits et grands animaux de laboratoire. Intégrant des headstages légers plug-and-play (&le), une conversion A/D 16 bits et des amplificateurs programmables, il capte des EEG, ECoG, LFP, pics, signaux EMG et ECG de 0,1 Hz à 30 kHz avec &le ; 2.4 & micro ; Bruit du système V et > 10 G&Omega ; impédance d’entrée. RHD128A fournit des données neuronales robustes et évolutives pour l’utilisateur afin d’accélérer les études sur les interfaces cerveau-machine, neurodégénérescence et réhabilitation.
Tapis de course	Shanghai Clinical Technology Co., Ltd.	MOVEMETRICS	MOVEMETRICS est un tapis de course instrumenté de haute précision pour l’analyse avancée de la démarche chez les rongeurs.