多目的な自家製ビデオカメラとDeepLabCutを使用して、オペラコンディショニングチャンバー内のラットを追跡する

このプロトコルで概説されている方法に従うことによって、研究者は、オペランコンディショニングチャンバーで複雑な行動テストを行うげっ歯類のビデオを記録し、分析することができます。プロトコルは、安価なビデオカメラを構築し、オープンソースの追跡ソフトウェアと一緒にそれを使用する方法を説明します。これは、予算内のラボにとって魅力的なアプローチです。

この方法は、げっ歯類のオペラコンディショニングを含む研究プロジェクトにとって貴重です。ビデオ分析は、このタイプのテストで見られる動作の理解を大幅に向上させることができます。まず、カメラスタンドの開口部の周りに金属リングを取り付けることから始めます。

次に、キットに付属するナットとボルトを使用して、カメラモジュールをスタンドに取り付けます。プラスチック製の唇の端にそっとプールして、カメラモジュールとマイクロコンピュータのリボンケーブルポートを開きます。ケーブルシルバーコネクタが回路基板に向かるように、カメラモジュールの開いたポートでリボンケーブルをブレイズします。

その後、プラスチッククリップを押して所定の位置にロックします。マイクロコンピュータのポートで、このプロセスを繰り返します。次に、カメラスタンドの金属製のリングに魚眼レンズを取り付けます。

プラスチックケースにマイクロコンピュータを置き、記載されているマイクロSDカードを挿入します。次に、モニター、キーボード、マウスをマイクロコンピュータに接続し、電源を接続して起動します。ターミナルウィンドウを開き、sudo aptハイフンと入力し、更新を取得します。

次に、Enter キーを押します。次に、sudo aptフルハイフンのアップグレードを入力し、Enterキーを押します。スタートメニューの下で、環境設定とラズベリー PI 設定を選択します。

ウィンドウが開いたら、インターフェイスタブに移動し、カメラとI2Cを有効にし、次に[大丈夫]をクリックします。補足ファイル 1 を USB メモリスティックにコピーします。その後、マイコンのホームPIフォルダに転送し、名前を変更します。

端末ウィンドウタイプの擬似ナノスラッシュ等を開き、RCドットローカルをスラッシュし、Enterキーを押します。キーボードの矢印キーを使用して、カーソルを fi と終了ゼロの間のスペースまで移動します。次に、コピーしたスクリプトをコンピュータが起動するようにテキストを追加します。

そして、赤外線LEDは、それが起動するたびに。コントロールとXを押し、Yを押して変更を保存し、入力します。次はんだ抵抗器と女性のジャンパーケーブルを2つの色付きLEDの脚に接続します。

2つのボタンスイッチにはんだの女性ジャンパーケーブル。次に、スイッチに色付きLEDと、表示された赤外線LEDモジュールを、GPIフープの端部のコンピュータに接続します。正しく接続されている場合、1つのLEDは、カメラの電源が入っていて、使用できる状態であることを示します。

もう一方は、カメラがビデオを録画していることを示します。長いケーブルが付いたボタンは、ビデオ録画の開始と停止に使用されます。これらの短いケーブルを持つボタンは、カメラの電源をオフに使用されます。

プロトコルの特定のステップの指標として、オペラチャンバーハウスライトを使用するようにプロトコルを設定します。次に、このプロトコルステップインジケータがアクティブになったときにタイムスタンプを使用して、関心のあるすべてのイベントを記録するようにプロトコルを設定します。カメラをオペラ室の上に置き、電源ケーブルを介してコンセントに接続して開始します。

以前に接続したボタンを使用して、ビデオ録画を開始および停止します。ビデオ録画が終了したら、カメラをモニタ、キーボードマウス、USBストレージデバイスに接続し、デスクトップからビデオファイルを取得します。DeeplabCutsフレームグラブ機能を使用して、録画したビデオの1つ以上から700〜900のビデオフレームを抽出します。

選択したビデオフレームが、開口部の外側と内側の頭で静止し、異なる方向に移動して、異なる姿勢で動物を表示することを確認します。ラベリング ツールボックスを使用して、各ビデオ フレームのラットの頭部の位置を手動でマークするには、ラットの耳の間の中央の位置にヘッド ラベルを配置します。また、興味のある他の身体部分にもラベルを付けます。

さらに、それが積極的に輝いている各ビデオフレームのプロトコルステップインジケータの位置をマークします。次にトレーニング データセットの作成とネットワーク機能のトレーニングを使用して、ラベル付きビデオ フレームからトレーニング データセットを作成し、ニューラル ネットワークのトレーニングを開始します。ニューラル ネットワークをトレーニングしたら、それを使用して収集したビデオを分析します。

これにより、各ビデオフレーム内のラットの頭部、関心のある他の身体部分、およびプロトコルステップインジケータのトラック位置をリストしたCSVファイルが作成されます。さらに、トラックの位置が視覚的に表示される、マークアップされたビデオファイルを作成します。室内の特定の対象点の座標を取得するには、これらを前述のように手動でマークし、プロジェクト フォルダのラベル付きデータの下に自動的に格納される CSV ファイルから座標を取得します。

なお、前のセクションで手動で取得した位置から60ピクセル以内で、プロトコルステップインジケータをビデオセグメントに分けて追跡し、インジケータがアクティブな各期間の正確な開始点を抽出します。プロトコルステップインジケータがアクティブになるポイントと、オペラ室によって記録されたタイムスタンプを使用します。試行間間隔、応答、報酬取得など、テスト プロトコルの特定のイベントをカバーするビデオ セグメントを決定します。

特定の関心を持つイベントをカバーするビデオ フレームに注意してください。最後に、これらのイベント中に、動物の位置と動きの関連する詳細な分析を実行します。カメラの魚の目のレンズは、それがほとんどのげっ歯類のオペラのコンディショニングチャンバーの内部の完全なビューをキャプチャできるようにする必要があります。

赤外線照明の適切なソースを使用することにより、カメラはまた、完全な暗闇の中でビデオキャプチャを可能にします。十分な訓練を受けたネットワークは、動物の頭部を追跡する際に90%以上の精度を可能にする必要があります。正確な追跡は、その動きを通して動物に続くマーカーによって明確に識別可能であり、滑らかに見えるプロットされたパス。

対照的に、不正確なトラッキングは、ターゲットに確実に留まらないマーカーと、ギザギザのプロットされたパスによって特徴付けられる。この不正確な追跡の結果として、通常、計算された動きの速度に突然のシフトが発生します。テストセッション中に動物がどこにいるかを追跡することで、異なる動きパターンがパフォーマンスにどのように関連しているかを評価できます。

一例として、5つの選択逐次反応時間試験において、試験間間隔中の頭部の動きは、動物が応答を行うことに限定された関心を示す放出試験を分離するために使用することができる。動物が単に短い光の手がかりに気づかないミッショントライアルから。さらに、頭部の動きを調査することで、さまざまな注意戦略の検出と特性評価を可能にします。

これらの手順を試みる際には、プロトコルステップインジケータが信頼できるものとすることが重要です。そして、ニューラルネットワークは、ビデオフレームのダイビングのertで訓練されていることを。正確な追跡を確実にするため。