מעקב סינכרוני רב-מפרקי מבוסס למידה עמוקה לכימות אובייקטיבי של קינמטיקה של תנועת גפיים אחוריות בעכברים
April 3rd, 2026
פרוטוקול זה מקים צינור הערכה קינמטי של עכברוש אחורי באמצעות בדיקת הליכון ללא סימן עם תיוג אוטומטי רב-מפרקי מונע למידה עמוקה, המאפשר כימות תנועה שניתן לשחזר.
פיתחנו הליכון מונע בינה מלאכותית למעקב אחר תנועות חולדות, ועזר לנו להעריך במדויק התאוששות מפגיעות חוט השדרה. בניגוד לשיטות טביעת רגל מסורתיות שכוללות כלכלת מפרקים מורכבת, מערכת הבינה המלאכותית המדומה שלנו עוקבת ישירות אחרי תנועות מרובות מפרקים. כדי להתחיל, הפעל את המחשב התעשייתי והשיק את תוכנת רכישת וניתוח הווידאו.
מקם את עדשת המצלמה בניצב לציר האורכי של ההליכון כדי לקבל תצוגה צדדית מדויקת, תוך שמירה על מרחק עבודה אופקי של 15 סנטימטרים ממישור חגורת ההליכון. לאחר מכן, רשמו את משקל הגוף של כל חולדה באמצעות משקל אלקטרוני. כללו רק חולדות עם משקל גוף תואם כדי למזער את השפעות גודל הגוף.
תלבש כפפות ותאחז בעכברוש בעדינות. לולאה את רצועת החזה האלסטית סביב בית השחי הקדמי וחבר אותה למסילת ההחלקה המתכווננת. לאחר מכן כוונן את הרצועה כך שאפשר להכניס אצבע אחת מבלי להגביל את הנשימה.
במסך בקרת המגע, הגדר את המהירות ל-150 מילימטרים לשנייה ואת השיפוע לאפס מעלות. ערכו סשן הסתגלות של 10 דקות כדי להתאים את העכבר לרמת התמיכה במשקל הגוף תוך מעקב אחר סימני לחץ ועייפות, כגון היסוס לזוז והטלת צואה ממושכת. אשר הסתגלות מוצלחת כאשר העכברוש שומר על צעד רציף ואחיד לפחות 60 שניות ללא גרירת כפות ועם זנב תלוי באופן טבעי.
החריגו בעלי חיים שאינם עומדים בקריטריונים אלה לאחר תקופת ההסתגלות המקסימלית. הזן את הפרמטרים לניסוי הפורמלי על מסך המגע. הזן ברצף את המהירות והשיפוע הרצויים, ואז בחר את כיוון חגורת ההליכון.
לאחר הייצוב, בחר ב'התחל הקלטה' כדי להתחיל באיסוף נתונים. תפסו ברצף לפחות חמישה מחזורי הליכה שלמים. בסוף כל ניסוי, הורד את המהירות לאפס מילימטרים לשנייה.
שחרר את רצועת החזה והחזיר את העכברוש לכלוב המתאים. חלץ קטעי וידאו של כ-10 שניות הכוללים את ההליכה היעד עם לפחות 10 מחזורי הליכה יציבים. רשמו את פרטי העכברוש, כולל מספר זיהוי, קבוצה ותנאי ניסוי.
ייבא את קובץ ה-MOV לתוכנת הניתוח. נרמל כל מחזור הליכה מאפס ל-100% כדי לתקן את אורך המחזור. יצר תמונות מייצגות להמחשת דינמיקת ההליכה.
ייצא את קואורדינטות המיקום המרחבי של כל מפרק לאורך זמן כקובץ csv לניתוח נוסף. לאחר סיום הדגמת בעלי חיים, יש להשתיל את מכשיר ההקלטה האלקטרופיזיולוגי. לצורך הקלטת אותות מוח, הניחו אלקטרודות על פני הגולגולת, מרחב אפידורלי או קליפת מוח כדי להקליט אותות מוח.
לצורך הקלטת חוט השדרה, הכנס אלקטרודות הקלטה למרחב האפידורלי של הפורמן הבין-חולייתי. להקלטת אלקטרומיוגרפיה, קבור חוטי כסף דו-קוטביים לתוך שרירי המטרה כדי לתעד פעילות חשמלית של השרירים. אפשרו לבעל החיים להחלים במשך חמישה עד שבעה ימים לאחר ההשרשה.
בדקו את הפצע וההליכה מדי יום כדי לוודא שאין סימני זיהום או כאב לפני בדיקת הליכון. הכינו את הציוד והחיה לפני הניסוי המסונכרן. לאחר מכן סנכרנו את איסוף הנתונים האלקטרופיזיולוגיים עם וידאו התנועה כדי לוודא ששניהם חולקים את אותה חותמת זמן.
יישר את האותות העצביים עם פריימים וידאו תואמים במהלך הניתוח כדי להמחיש דפוסים אלקטרופיזיולוגיים בשלבי הליכה שונים. החולדות עם פגיעת חוט השדרה הראו אובדן משמעותי של עקומות תנודדה ואיליאק לא סדירה. חולדות עם פגיעות חוט שדרה הראו תנודות מוגברות בזווית המפרקים בהשוואה לחולדות בריאות.
מפת חום טווח התנועה של המפרקים הראתה ירידה נרחבת בקנה המידה של הצבע בעכברים עם פגיעות חוט שדרה בהשוואה לחולדות בריאות, בעוד שמפת פעילות המסלול הראתה ירידה משמעותית בטווח התנועה של כל מפרק, יחד עם פגיעה בהמשכיות התנועה. עבור חולדות עם פגיעות חוט השדרה, מפת ענני הנקודות הראתה פיזור מוגבר והזזה שמאלה של מרכז המסה. טבלת מפלי הגובה מציגה התפלגות בימודלית לאורך ציר ה-x בין קבוצות עם ירידה כללית באמצע התנועה.
בציר ה-y, נצפה ירידת הפרש בתחילת התנועה. התפלגות ההבדלים הכללית היא כאוטית, ומצביעה על שלבי תנועה לא תקינים בעכברים שנפגעו מחוט השדרה לעומת חולדות בריאות. התפלגות השיא של הגובה האנכי של האצבעות הוסטה ימינה בעכברים עם פגיעות חוט שדרה.
טבלת טווח המהירות הראתה כי טווח המהירויות המשולב בכל פריים הצטמצם בקבוצת הפציעה. יתרה מזאת, חולדות פגיעות חוט השדרה הראו גם ירידה באזור מישור הפאזה, במדד כוח ההנעה השיא המשוער, ובמדדי החלקות בתנועה. המערכת שלנו מאפשרת לחוקרים למדוד במדויק את מסלולי המפרקים הרב-מרכיבים, את התפלגות הכוח ואת חלקות התנועה בזמן אמת.
שיקול חשוב הוא הסתגלות יסודית של העכברוש למערכת ההליכון כדי להבטיח יציבות ולנתח דפוסי הליכה. אנחנו יכולים לסנכרן את המערכת עם EMG או EEG כדי לפענח את האותות של המנגנונים שמאחורי התנועה הזו.
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.
