Name: Suivi à long terme de vidéo d’animaux aquatiques Cohoused : une étude de cas de l’activité locomotrice quotidienne de la langoustine (Nephrops norvegicus) (Vidéo) | JoVE Journal
Uploaded: 2019-04-08T13:00:00.000+00:00
Duration: 5 min 57 s
Description: Apprenez le suivi automatisé à long terme d'animaux marqués par vision par ordinateur avec Nephrops norvegicus. Cette méthode réduit considérablement le temps d'analyse vidéo pour les études en chronobiologie et écologie.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Les auteurs sont reconnaissants envers le Dr Joan B. Company qui a financé la publication de cet ouvrage. En outre, les auteurs sont reconnaissants aux techniciens de la zone d’aquarium expérimentale à l’Institut des Sciences marines à Barcelone (ICM-CSIC) pour leur aide pendant les travaux expérimentaux.
Ce travail a été soutenu par le projet RITFIM (CTM2010-16274, chercheur principal : J. Aguzzi) fondé par le ministère espagnol de la Science et l’Innovation (MICINN) et la subvention de TIN2015-66951-C2-2-R du ministère espagnol de l’économie et la compétitivité.

Les auteurs n’ont rien à divulguer.

Les résultats de performance et représentant obtenus avec le protocole de suivi vidéo a confirmé sa validité pour la recherche appliquée dans le domaine du comportement animal, avec un accent particulier sur la modulation sociale et rythmes circadiens des animaux cohoused. L’efficacité du dépistage des animaux (69 %) et l’exactitude de la discrimination (89,5 %) de la balise couplé avec les caractéristiques comportementales (c'est-à-dire, les taux de mouvement) des espèces cibles utilisées ici suggèrent que ce protocole ...

Dans ces dernières années, suivi automatisé en fonction image a fourni des ensembles de données très précis qui peut être utilisé pour explorer les questions de base en écologie et comportement des disciplines1. Ces ensembles de données peuvent être utilisés pour l’analyse quantitative du comportement animal2,3. Cependant, chaque méthode d’image utilisé pour le suivi des animaux et l’évaluation du comportement a ses forces et ses limites. Dans les protocoles de suivi basé sur l’image qui utilisent l’information spatiale des images précédentes dans un film pour suivre les animaux4,5,6, les erreurs peuvent être introduits quand les chemins des deux animaux se croisent. Ces erreurs sont généralement irréversibles et se propagent à travers le temps. Malgré les progrès informatiques qui réduisent ou éliminent presque ce problème5,7, ces techniques encore besoin des environnements expérimentaux homogènes pour le repérage et l’identification précise des animaux.
L’emploi de marques qui peuvent être identifiés de façon unique chez les animaux permet d’éviter ces erreurs et permet le suivi à long terme des individus identifiés. Les marqueurs largement utilisés (par exemple, des codes à barres et codes QR) existent dans l’industrie et du commerce et peuvent être identifiés à l’aide de techniques de vision d’ordinateur bien connus, tels qu’augmentée réalité (p. ex., Artocès8) et la calibration de la caméra (par exemple, CALTag9 ). Tagged animaux avaient déjà été utilisés pour le haut débit des études comportementales chez différentes espèces animales, pour exemple, les fourmis3 ou abeilles10, mais certains de ces systèmes précédents ne sont pas optimisés pour reconnaître les balises isolé3.
Le protocole de suivi présenté dans cet article est particulièrement adapté pour le suivi des animaux dans l’imagerie d’un canal, tels que l’infrarouge (IR) lumière ou lumière monochromatique (en particulier, nous utilisons la lumière bleue). Par conséquent, la méthode mise au point n’utilise pas de repères de couleur, étant également applicable à d’autres environnements où il y a des contraintes à l’illumination. En outre, nous utilisons des balises personnalisées conçues pour ne pas à déranger les homards et, en même temps, permettent l’enregistrement avec les appareils de faible coût. En outre, la méthode utilisée ici est issue de détection étiquette indépendante du châssis (i.e., l’algorithme reconnaît la présence de chaque balise de l’image quel que soit les trajectoires précédentes). Cette fonctionnalité est pertinente dans les applications où animaux peut être temporairement bloqué, ou les trajectoires des animaux peuvent se croisent.
Dessin de l’étiquette permet son utilisation dans différents groupes d’animaux. Une fois définis les paramètres de la méthode, il pourrait être transféré pour s’attaquer aux autres problèmes de suivi des animaux sans la nécessité pour la formation d’un classifieur spécifique (autres crustacés et gastéropodes). Les principales limites de l’exportation du protocole sont de la taille de l’étiquette et le besoin d’attachement à l’animal (qui en fait ne convient pas aux petits insectes, mouches, abeilles, etc.) et l’hypothèse 2D pour le transport d’animaux. Cette contrainte est importante, étant donné que la méthode proposée suppose que la taille de l’étiquette reste constante. Un animal se déplaçant librement dans un environnement 3D (p. ex., poissons) montrerait tailles autre balise en fonction de sa distance à la caméra.
Le but du présent protocole est de fournir une méthodologie facile à utiliser pour le suivi de plusieurs animaux marqués sur une longue période de temps (jours ou semaines) dans un contexte 2D. L’approche méthodologique repose sur l’utilisation du matériel et des logiciels open source. Logiciel gratuit et open source permet des adaptations, modifications et libre redistribution ; par conséquent, le logiciel généré s’améliore à chaque étape11,12.
Le protocole présenté ici se concentre sur un laboratoire mis en place pour suivre et évaluer l’activité locomotrice des quatre animaux aquatiques dans un réservoir pendant 5 jours. Les fichiers vidéo sont enregistrées à partir d’une image de time-lapse s 1 et compilés en une vidéo à 20 images par seconde (1 jour enregistré occupe environ 1 h de vidéo). Tous les enregistrements vidéo sont automatiquement retouche pour obtenir les positions animales, appliquant des algorithmes et des m├⌐thodes de vision informatique. Le protocole permet d’obtenir de grandes quantités de données, évitant leur annotation manuelle, qui s’est avérée être beaucoup de temps et laborieuse dans la précédente experimental papers13de suivi.
Nous utilisons la langoustine (Nephrops norvegicus) pour l’étude de cas ; ainsi, nous offrons des conditions de laboratoire spécifiques à leur maintien. Homards effectuent des rythmes d’émergence de terrier bien étudiés qui sont sous le contrôle de l’horloge circadienne14,15, et quand cohoused, ils forment la hiérarchie de dominance16,17. Par conséquent, le modèle présenté ici est un bon exemple pour les chercheurs intéressés par la modulation sociale du comportement avec un accent particulier sur les rythmes circadiens.
La méthodologie présentée ici est reproduite facilement et peut être appliquée à d’autres espèces, si il est possible de distinguer les animaux avec des balises individuelles. Les exigences minimales pour la reproduction d’une telle approche en laboratoire sont : (i) les chambres isothermes pour le montage expérimental ; (ii) un apport continu de l’eau ; (iii) mécanismes de contrôle de température de l’eau ; (iv) un système de contrôle de la lumière ; (v) une caméra USB et un ordinateur standard.
Dans ce protocole, nous utilisons Python18 et OpenCV19 (Open Source Computer Vision Library). Nous nous appuyons sur les opérations rapides et communément appliquées (à la fois en termes de mise en œuvre et exécution), tels que le fond soustraction20 et image seuillage21,22.

<table><tbody><tr><td>Trépied 475</td><td>Manfrotto</td><td>A0673528</td><td>Bras</td></tr><tr><td>articulé abandonné 143</td><td>Manfrotto</td><td>D0057824</td><td></td></tr><tr><td>Appareil photo abandonné USB 2.0 uEye LE</td><td>iDS</td><td>UI-1545LE-M</td><td>https://en.ids-imaging.com/store/products/cameras/usb-2-0-cameras/ueye-le.html</td></tr><tr><td>Fish Eye Len C-mount f = 6 mm/F1.4</td><td>Infaimon</td><td>Standard Optical&nbsp ;</td><td>https://www.infaimon.com/es/estandar-6mm</td></tr><tr><td>Réservoir en fibre de verre 1500 x 700 x 300 mm3</td><td></td><td></td><td></td></tr><tr><td>Tissu en feutre noir Structure</td><td></td><td></td><td></td></tr><tr><td>en bois Réservoir</td><td></td><td></td><td>5 lames de bois 50x50x250 mm</td></tr> Structure <tr><td>en bois Tissu</td><td></td><td></td> feutre <td>10 bandes de bois 25x25x250 mm</td></tr><tr><td>Vis</td><td></td><td></td> en acier inoxydable <td>Autant que nécessaire pour fixer les structures de bandes de bois</td></tr><tr><td>PC</td><td></td><td></td><td>Processeur 2 cœurs, 4 Go de RAM, 1 Go de carte graphique, 500 Go</td></tr><tr><td>de stockage externe HDD Capacité</td><td></td><td></td><td>souhaitable</td></tr><tr><td>iSPY Sotfware pour PC Windows</td><td>iSPY</td><td></td><td>https://www.ispyconnect.com/download.aspx</td></tr><tr><td>Logiciel Zoneminder Linux PC</td><td>Zoneminder</td><td></td><td>https://zoneminder.com/</td></tr> <tr><td>OpenCV 2.4.13.6 Bibliothèque</td><td>OpenCV</td><td></td><td>https://opencv.org/</td></tr> <tr><td>Python 2.4</td><td>Python</td><td></td><td>https://www.python.org/</td></tr> <tr><td>Camping Glacière</td><td></td><td></td><td></td></tr><tr><td>Plateau En Plastique Gel</td><td></td><td></td><td></td></tr><tr><td>Cyanocrylate À</td><td></td><td></td><td>Coller Étiquette' s&nbsp ;</td></tr><tr><td>1 feuille de plastique PVC noire (1 mm d’épaisseur)</td><td></td><td></td><td>Construction de l’étiquette</td></tr><tr><td>1 feuille de plastique PVC blanc (1 mm d’épaisseur)</td><td></td><td></td><td>Construction de l’étiquette</td></tr><tr><td>4 Tag' s et Oslash ; 40 mm</td><td></td><td></td><td>Fabriqué avec une feuille de plastique PVC noir et blanc</td></tr><tr><td>3 m Blue Strid Led Ligts (480 nm)</td><td></td><td></td><td>Étanche comme souhaitable</td></tr><tr><td>3 m IR Strid Led Ligts (850 nm)</td><td></td><td></td><td>Étanche comme souhaitable</td></tr><tr><td>6 m&nbsp ; Tuyaux en méthacrylate et Oslash ; 15 mm</td><td></td><td></td><td>Fermé Strid Led</td></tr><tr><td>4 PVC Coude&nbsp ; 45o & Oslash ; 63 mm</td><td></td><td></td><td>Construction du terrier</td></tr><tr><td>3 m Tuyau en PVC flexible et Oslash ; 63 mm</td><td></td><td></td><td>Construction du terrier</td></tr><tr><td>4 Bouchon à vis en PVC et Oslash ; 63 mm</td><td></td><td></td><td>Construction du terrier</td></tr><tr><td>4 Joint torique et Oslash ; 63 mm</td><td></td><td></td><td>Construction du terrier</td></tr><tr><td>4 Femelle PVC colle / fil & Oslash ; 63 mm</td><td></td><td></td><td>Construction du terrier</td></tr><tr><td>10 m DC 12V Câble</td><td></td><td></td> électrique <td>Mécanisme de commande de la lumière</td></tr><tr><td>Alimentation légère DC 12 V 300 W</td><td></td><td></td><td>Mécanisme de commande de la lumière</td></tr><tr><td>MOSFET, RFD14N05L, N-Canal, 14 A, 50 V, 3 broches, IPAK (TO-251)</td><td>RS Components</td><td>325-7580</td><td>Mécanisme</td></tr> <tr><td>de commande de la lumièrediode, 1N4004-E3/54, 1A, 400V, DO-204AL, 2 broches</td><td>RS Components</td><td>628-9029</td><td>Mécanisme de commande de la lumière</td></tr><tr><td>Porte-fusible</td><td>RS Components</td><td>336-7851</td><td>Mécanisme de commande de la lumière</td></tr><tr><td>Borne d’alimentation à 2 voies 3,81 mm</td><td>RS Components</td><td>220-4658</td><td>Mécanisme de commande de la lumière</td></tr><tr><td>Condensateur 220 &micro ; F 200 V</td><td>RS Components</td><td>440-6761</td><td>Mécanisme de contrôle de la lumière</td></tr><tr><td>Résistance 2K2 7 W</td><td>RS Components</td><td>485-3038</td><td>Mécanisme de contrôle de la lumière</td></tr><tr><td>Fusible 6,3 x 32 mm2 3A</td><td>RS Components</td><td>413-210</td><td>Mécanisme de contrôle de la lumière</td></tr><tr><td>Arduino Uno Atmel Atmega 328 Carte MCU</td><td>RS Components</td><td>715-4081</td><td>Mécanisme de commande de la lumière</td></tr><tr><td>Prototipe Board CEM3,3 orifique,RE310S2</td><td>RS Components</td><td>728-8737</td><td>Mécanisme de contrôle de la lumière</td></tr><tr><td>Convertisseur DC/DC,12 Vin,+/-5 Vout 100 mA 1 W</td><td>RS Components</td><td>689-5179</td><td>Mécanisme de contrôle de la lumière</td></tr><tr><td>2 SERA T8 blue moonlight ampoule fluorescente 36 watts</td><td>SERA</td><td></td><td>Discontinué/Installation isolée de la lumière</td></tr></tbody></table>

suivi à long terme de vidéo d’animaux aquatiques cohoused : une étude de cas de l’activité locomotrice quotidienne de la langoustine (nephrops norvegicus)

Long-term Video Tracking of Cohoused Aquatic Animals: A Case Study of the Daily Locomotor Activity of the Norway Lobster (Nephrops norvegicus)

Nous présentons un protocole associé à une technique de repérage vidéo basée sur la soustraction de l’arrière-plan et le seuillage d’image qui permet de suivre individuellement les animaux cohoused. Nous avons testé la suivi de routine avec quatre cohoused aux langoustines (Nephrops norvegicus) dans des conditions de lumière-obscurité pendant 5 jours. Les homards ont été étiquetés individuellement. Le montage expérimental et les techniques de suivi utilisées sont entièrement basés sur le logiciel open source. La comparaison de la sortie de suivi à une détection manuelle indique que les homards ont été correctement détecté 69 % du temps. Parmi les homards correctement détectés, leurs balises individuelles ont été correctement identifiés 89,5 % du temps. Compte tenu de la fréquence d’images utilisées dans le protocole et le taux de mouvement de homards, la performance de la vidéo suivi a une bonne qualité et les résultats représentatifs confirment la validité du protocole en produisant des données précieuses pour les besoins de la recherche (individuel occupation de l’espace ou les patterns d’activité locomotrice). Le protocole présenté ici peut être facilement personnalisé et est, par conséquent, transférable à d’autres espèces où le suivi individuel des spécimens dans un groupe peut être utile pour répondre aux questions de recherche.

Nous avons construit manuellement un sous-ensemble des données expérimentales pour valider l’analyse vidéo automatisée. Un échantillon de 1 308 images avec un niveau de confiance de 99 % (ce qui est une mesure de sécurité qui montre que l’échantillon reflète fidèlement la population, sa marge d’erreur) et une marge d’erreur de 4 % (qui correspond à un pourcentage qui décrit comment fermer la réponse de l’échantillon a donné est la valeur réelle de la population) a été choisi au hasard, et...

Nous présentons ici un protocole afin de suivre individuellement les animaux sur une longue période de temps. Il utilise la vision par ordinateur pour identifier un ensemble de balises construits manuellement en utilisant un groupe de homards comme étude de cas, en fournissant des informations sur la façon de la maison, manipuler et marque les homards.

Suivi à long terme de vidéo d’animaux aquatiques Cohoused : une étude de cas de l’activité locomotrice quotidienne de la langoustine (Nephrops norvegicus)

We present a protocol related to a video-tracking technique based on the background subtraction and image thresholding that makes it possible to ...

Ce protocole permet l’automatisation du suivi de plusieurs animaux. Utilisation d’une étiquette simple pour identifier chaque animal un outil d’analyse d’identification pour détecter les balises. Ce protocole réduit considérablement le nombre d’heures nécessaires pour analyser les enregistrements vidéo à l’aide de données moins clés.d’estimer les achèvements plus précis des études expérimentales. Les animaux dans d’autres environnements qui peuvent être étiquetés de la même manière peuvent être suivis avec des protocoles similaires fournissant une application en chronobiologie, écologie, recherche virale ou neurosciences. Nous avons fourni la conception matérielle et le langage de programmation open source et fournissons un modèle que nous recommandons aux utilisateurs d’adopter dans les protocoles pour apprendre le langage de programmation Python.Pour construire une étiquette pour l’animal cible, coupez d’abord quatre cercles de 40 millimètres de diamètre à partir de la feuille de plastique noire, et deux triangles équilatéraux latéraux de 26 millimètres et deux cercles de 26 millimètres de diamètre à partir d’une feuille de PVC en plastique blanc. Marquez le centre d’un triangle blanc et d’un cercle blanc. Et faire un trou de 10 millimètres à chaque marque.Collez ensuite une forme blanche au centre de chacun des quatre cercles noirs. Pour configurer la zone expérimentale, placez des LED infrarouges à temps foncé dans le réservoir. Gardez les lumières infrarouges allumées en tout temps.Ensuite, placez les lumières LED bleues dans un réservoir en fibre de verre modifié contenant du sable et quatre terriers flexibles de tuyau en PVC, et connectez les lumières à un appareil pour gérer la période de photo. Lorsque toutes les lumières ont été placées, placez l’entrée d’eau de mer réfrigérée à un coin du réservoir, avec la prise correspondante au coin opposé. Vérifiez que l’entrée d’eau de mer est mise en place à un débit d’environ 4 litres par minute.Entourez la chambre d’un rideau noir pour assurer un isolement complet de la lumière extérieure. Placez le trépied équipé de la caméra web sur le côté de l’arène expérimentale, avec la caméra à 130 centimètres au-dessus et au centre de l’arène expérimentale. Connectez la caméra à un ordinateur à l’extérieur du rideau, et ajustez les paramètres de l’enregistrement vidéo en fonction des caractéristiques de l’espèce, en vous assurant de créer une lampe à temps, y compris la date dans la vidéo time-lapse, pour la notation comportementale éventuelle.Pour étiqueter les animaux, ajouter 7 degrés Celsius d’eau à une glacière avec compartiments submergés et placer 4 homards dans 4 compartiments séparés. Après avoir permis aux homards de s’acclimater pendant environ 30 minutes, transférer un homard sur un plateau de glace concassée pendant cinq minutes et utiliser du papier absorptif pour sécher la partie supérieure du céphalothorax du homard immobilisé. Déposer une goutte de colle à séchage rapide sur la carapace séchée et presser l’étiquette sur la colle pendant environ 20 secondes, jusqu’à ce que la colle durcisse.Retournez ensuite le homard dans son compartiment dans la glacière et étiquetez les trois autres animaux de la même manière. Lorsque tous les homards ont été étiquetés, remettre les homards dans leur cellule pendant 24 heures. Le lendemain, utilisez la même glacière pour transférer les homards de l’installation d’aclimation à la chambre expérimentale et lancer l’enregistrement vidéo.Exécutez les étapes de marquage et de transfert dans les conditions de lumière rouge pour éviter les dommages radiaux au homard pour les récepteurs. D’autres espèces aquatiques ou terrestres peuvent ne pas avoir besoin de ces soins. Obtenez ensuite une image de fond moyenne à partir de cinq minutes de vidéo ou des 100 images initiales avant d’introduire les animaux un par un dans le réservoir d’expérimentation à l’intérieur de leurs compartiments d’eau respectifs, et attendez que les homards sortent de leurs compartiments.Sur le nombre total d’animaux comptés dans cette expérience représentative, 79 p. 100 des détections d’animaux ont été correctement appariées par le programme, et 89,5 p. 100 des étiquettes ont été correctement identifiées. Seulement 3,8 p. 100 des étiquettes étaient mal classées. Mais les 6,6 pour cent restants correspondant à de faux positifs.Après l’achèvement d’une analyse vidéo spécifique, les données sur les positions obtenues peuvent être utilisées pour évaluer les différents modèles comportementaux des homards. Par exemple, le tracé de la carte d’occupation spatiale, à l’aide d’une estimation bidimensionnelle de la densité du kernal avec un axe aligné par un kernal normal variable évalué sur une grille carrée, permet aux zones dans lesquelles les homards passent un pourcentage plus élevé de leur temps à être représentés avec des parcelles de haute intensité de couleur. Les rythmes d’activité quotidiens des homards peuvent également être tracés sous forme de millimètres couverts à intervalles de dix minutes au fil du temps.Il est important de maintenir des spécifications exactes en termes de taille et de forme et d’exécuter toujours l’étape d’analyse binned en arrière-plan sans interface utilisateur. Le modèle d’analyse d’image peut être élargi pour examiner des composants spécifiques des crustacés pour aider à améliorer l’étude comportementale en termes d’interactions animales. Ces interactions sociales animales complexes se produisent de la même manière dans un environnement réel permettant le style et les aspects importants de la recherche biologique avec une certaine application pour l’écologie et les neurosciences.

long-term-video-tracking-cohoused-aquatic-animals-case-study-daily

Research

Recherche

JoVE Journal

Environment

Environnement

Organismes microscopiques comme le nématode nage...

Étude quantitative de la Locomotion librement Piscine Micro-organismes utilisant la diffraction laser

l'activité locomotrice (LMA) est une mesure simple et facile à réaliser de comportement chez la souris. Couplage d'un logiciel de suivi vidéo (VTS) et LMA permet l'amélioration de la spécificité et de la sensibilité, surtout en comparaison avec le manuel, la ligne de méthode de franchissement d'analyse LMA. En outre VTS permet un suivi à long terme des souris LMA.

Souris à court et à long terme de l&#39;activité locomotrice analysées par un logiciel de suivi de la vidéo

L’utilisation d’un système vidéo automatique 3D capable de suivre des individus et des groupes de poissons-zèbres est décrite. À titre d’exemple d’application, nous explorons les effets de l’antagoniste du récepteur NMDA MK-801 sur des bancs de poissons-zèbres.

Utilisation d’un système de suivi 3D automatisé pour enregistrer les individus et les bancs de poissons-zèbres adultes

Nous décrivons un ensemble de techniques pour étudier le comportement spontané de nager librement poissons faiblement électriques sur une période de temps prolongée, en mesurant de manière synchrone électrique organe décharge le calendrier, la position du corps et la posture de l'animal à la fois précise et fiable dans un aquarium spécialement conçu dans un sensorielle chambre d'isolement.

À long terme de suivi comportemental de librement piscine faiblement poisson électrique

FIM est un nouveau système, l'imagerie rentable conçu pour suivre des objets en mouvement petits comme C. elegans, planaria ou larves de drosophile. Le programme de FIMTrack accompagnement est conçu pour fournir une analyse de données rapide et efficace. Ensemble, ces outils permettent une analyse à haut débit de traits comportementaux.

FIM Imagerie et FIMtrack: Deux nouveaux outils permettant à haut débit et de l&#39;analyse coûts de locomotion efficace

Mesurer les impacts des contaminants environnementaux sur le comportement des poissons est souvent subjective et stimulant notamment lorsqu'ils traitent avec paramètres sublétaux. Nous décrivons les méthodes , y compris la technologie vidéo pour quantifier le comportement de nage de la vie stade précoce de l' esturgeon blanc (Acipenser transmontanus) pendant et après 96 h une exposition aiguë à diverses concentrations de cuivre.

Quantifier Poisson Natation Comportement en réponse à une exposition aiguë de cuivre aqueux assistées par ordinateur et vidéo numérique Analyse d&#39;image

Les poissons-zèbres sont un excellent modèle pour étudier la fonction musculaire et les maladies. Au début de l’embryogenèse, le poisson-zèbre commence à contracter régulièrement ses muscles, produisant un comportement de nage rythmé, qui est modifié lorsque le muscle est perturbé. Nous décrivons ici un test de réponse et de locomotion évoquée par le toucher pour examiner les performances de natation comme mesure de la fonction musculaire.

Utilisation de la réponse tactile évoqué et Locomotion essais pour évaluer la performance de la fonction musculaire et en Zebrafish

Nous présentons ici les méthodes d’étude haut débit d’une série de la mexicaine agassizii comportements et coloration vitale d’un système de mécanosensoriels. Ces méthodes utilisent des scripts logiciel libre et sur mesure, fournissant une méthode pratique et rentable pour l’étude des comportements.

Suivi comportemental et l’imagerie de Neuromast des Mexicains Agassizii

Ce protocole décrit deux tests sensibles pour discriminer les déficiences motrices légères, modérées et sévères dans les modèles C. elegans de sclérose latérale amyotrophique, avec une utilité générale pour les souches de C. elegans , avec une motilité altérée.

Évaluation de l’insuffisance motrice dans les modèles C. elegans de la sclérose latérale amyotrophique

Les relevés au chalut optique offrent une méthode non invasive d’échantillonnage des populations de poissons de fond et fournissent des données à plus grande échelle que les relevés traditionnels au chalut. Cet article propose une procédure générale pour une enquête au chalutage optique des poissons de fond en Nouvelle-Angleterre.

Levés au chalut optique des poissons de fond : une étude vidéo au chalut de la morue atlantique (Gadus morhua) du golfe du Maine occidental

Les tâches de préférence sociale multi-chambres ont été adaptées des rongeurs au poisson-zèbre, facilitant l’étude du comportement social chez les organismes modèles. Ce protocole valide une tâche à faible coût en aquarium ouvert à 3 chambres utilisant des webcams et des logiciels open source pour mesurer la préférence sociale des poissons-zèbres, la rendant accessible à la recherche et à l’enseignement de premier cycle.

Alternative à faible coût pour examiner la préférence sociale chez le poisson-zèbre (Danio rerio) en utilisant la tâche de nage libre en aquarium ouvert à 3 chambres

Apprenez le suivi automatisé à long terme d'animaux marqués par vision par ordinateur avec Nephrops norvegicus. Cette méthode réduit considérablement le temps d'analyse vidéo pour les études en chronobiologie et écologie.

Suivi à long terme de vidéo d’animaux aquatiques Cohoused : une étude de cas de l’activité locomotrice quotidienne de la langoustine (Nephrops norvegicus) (Vidéo) | JoVE Journal

Suivi à long terme de vidéo d’animaux aquatiques Cohoused : une étude de cas de l’activité locomotrice quotidienne de la langoustine (Nephrops norvegicus)

Explorer plus de vidéos