$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Una valutazione accurata e oggettiva dell'andatura dei ratti è essenziale nei campi di ricerca in neuroscienze e cinesiologia. I sistemi convenzionali spesso dipendono dall'imaging dell'impronta per l'inferenza indiretta dell'andatura, che non può catturare completamente la cinematica multi-articolare dell'arto posteriore. Questo studio stabilisce un sistema di analisi dell'andatura basato su tapis roulant senza marcatori per roditori, integrando algoritmi personalizzati di deep learning con un tapis roulant programmabile a supporto del peso per consentire il tracciamento in tempo reale di più articolazioni degli arti inferiori e la quantificazione cinematica multidimensionale. Il sistema estrae automaticamente parametri del ciclo dell'andatura, traiettorie articolari, schemi di distribuzione delle forze e fluidità del movimento sotto velocità modulata (0-300 mm/s), inclinazione (±gradiente di 30°) e supporto di peso graduato (0-500 g), fornendo uno strumento di valutazione oggettiva per la ricerca sul comportamento neuromuscolare. Utilizzando modelli di lesione del midollo spinale (SCI), i risultati dimostrano la sensibilità del sistema nel rilevare differenze multidimensionali nell'ampiezza di movimento articolare, nella continuità della traiettoria, nell'output della forza propulsiva e nella fluidità del movimento tra roditori sani e feriti, convalidando le sue capacità di discriminazione e gradazione delle malattie. Rispetto ai tradizionali punteggi soggettivi o ai metodi di footprint, questa piattaforma elimina i bias personali e le limitazioni dei dati a bassa dimensione, combinando al contempo un'architettura basata sul deep learning e i vantaggi della raccolta dati ad alto throughput. È applicabile alla ricerca che coinvolge lesioni dei nervi centrali o periferici, malattie neurodegenerative, disturbi muscoloscheletrici e processi di invecchiamento. Attraverso l'integrazione sincrona dei moduli di neuroelettrofisiologia, il sistema consente ulteriormente l'accoppiamento temporale dei segnali dell'andatura e neurali, stabilendo un quadro metodologico per analizzare i meccanismi di controllo centrale-periferico e sviluppare strategie neuromodulatorie.