ラットにおける後肢の運動運動学の客観的定量化のための深層学習に基づく多関節同期追跡
April 3rd, 2026
このプロトコルは、マーカーレストレッドミルテストと深層学習駆動の多関節軌跡自動ラベリングを用いて、ラット後肢の運動学的評価パイプラインを構築し、再現可能な動きの定量化を可能にします。
私たちはAI駆動のトレッドミルを開発し、ラットの動きを追跡し、脊髄損傷の回復を正確に評価することができました。従来のフットプリント方式で複雑な関節経済性を意味しますが、私たちの模擬AIシステムは複数関節の動きを直接追跡します。まず、業務用コンピュータを起動し、ビデオ取得・解析ソフトを起動します。
カメラレンズをトレッドミルの縦軸に対して垂直に位置させ、厳密に横方向の視点を得ることで、トレッドミルベルト面から15センチの水平作業距離を維持します。次に、電子体重計で各ラットの体重を記録します。体重が合ったラットのみを対象にして、体のサイズへの影響を最小限に抑えましょう。
手袋をはめて、ネズミを優しく掴んでください。伸縮性のある胸ストラップを前脇の下に巻きつけ、調整可能なスライドレールに取り付けます。次に、呼吸を妨げずに指を一本挿入できるようにストラップを調整します。
タッチコントロール画面で速度を150ミリメートル毎秒、傾斜を0度に設定します。ラットを体重サポートレベルに適応させるために10分間の順応セッションを行い、動くのを嫌がったり排泄が長引いたりするなどのストレスや疲労の兆候を監視します。ネズミが足を引きずらず、自然に尾を垂らしたまま少なくとも60秒間連続的かつ均一な歩幅を保つ場合、順応が成功したことを確認します。
最大順応期間を過ぎてもこれらの基準を満たさない動物は除外します。タッチスクリーン上で正式な実験のパラメータを入力します。順に希望の速度と傾斜を入力し、トレッドミルのベルト方向を選択します。
安定化後、「記録開始」を選択してデータ取得を開始します。少なくとも5回の完全な歩行サイクルを継続的に記録してください。各試行終了時に速度を0ミリメートル毎秒に下げます。
胸のストラップを外し、ネズミを対応するケージに戻します。目標歩様が少なくとも10回の安定した歩行サイクルを持つ約10秒の動画セグメントを抽出します。識別番号、グループ、実験条件などのラット情報を登録してください。
MOVファイルを解析ソフトにインポートします。各歩行サイクルを0から100%まで正規化してサイクル長を標準化します。歩様の動態を示す代表的な画像を作成しましょう。
各関節の空間位置座標を時間経過でcsvファイルとしてエクスポートし、さらなる解析に用いてください。動物モデリングが完了したら、電気生理記録装置を埋め込みます。脳信号記録のために、頭蓋骨表面、硬膜外空間、または大脳皮質に電極を置いて脳信号を記録します。
脊髄記録には、椎間孔の硬膜外空間に記録電極を挿入します。筋電図記録のために、双極性の銀線を標的筋肉に埋め込み、筋肉の電気活動を記録します。着床後5〜7日間、動物の回復を待ちます。
トレッドミル検査前に、感染や痛みの兆候がないか毎日傷や歩行様を確認しましょう。同期実験の前に機器と動物を準備してください。次に、電気生理学的データの取得と動きの映像を同期させ、両者が同じタイムスタンプを共有するようにします。
解析時に神経信号を対応するビデオフレームと整合させ、異なる歩行段階での電気生理学的パターンを可視化します。脊髄損傷を負ったラットでは、スイングの減少や腸骨の変位曲線の不規則な減少が見られました。脊髄損傷ラットは健康なラットに比べて関節角の変動が増加しました。
関節可動域ヒートマップでは、脊髄損傷ラットのカラースケールが健康なラットに比べて広く減少していることが示され、軌道活動マップでは各関節の可動域が有意に減少し、運動の連続性も低下していることが示されました。脊髄損傷ラットでは、点雲マップで分散が増加し、重心が左にずれていることが示されました。高さの滝チャートは、グループ間のx軸に沿った二峰分布を示し、移動の中央で一般的な差が下がります。
y軸では、動きの開始時に差分の低下が観察されます。全体的な差分布は混沌としており、脊髄損傷ラットの異常な運動相が健康なラットと比較して見られます。脊髄損傷ラットでは、つま先の垂直高度ピーク分布が右にシフトしました。
速度範囲チャートは、各フレームの合計速度範囲が損傷グループで狭まっていることを示しました。さらに、脊髄損傷ラットは位相面面積、推定最大推進力指数、運動の滑らかさ指標の減少も見られました。私たちのシステムにより、研究者は多関節の軌道、力の分布、運動の滑らかさをリアルタイムで正確に測定できます。
重要な考慮点は、ラットをトレッドミルシステムに徹底的に慣らし、安定した歩様を分析できるようにすることです。この動きの背後にあるメカニズムの信号を解読するために、EMGやEEGとシステムを同期させることができます。
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.
