자동화 된 이미지 처리 방식을 사용하여 마우스 사교성의 실험 평가

이 프로토콜은 마우스 사교성을 정량하는 방법을 설명한다. 그들이 이동하고 특별한 케이지에서 상호 작용하는 마우스는 녹화됩니다. 동영상 처리가 뛰어난 정확성과 신뢰성 사교성의 자동화 된 정량화 수 있습니다.

자동 분석과 짝을 이루는 이러한 행동 실험의 전반적인 목표는 시간 효율적인 방식으로 생쥐의 사교성을 정량화하는 것입니다. 이 방법은 자폐 스펙트럼 장애의 검증된 마우스 모델에서 사교성을 높이기 위해 약물을 신속하게 스크리닝하는 데 도움이 될 수 있습니다. 자동 분석 도입의 주요 이점은 프로세스를 가속화하고 스크리닝을 보다 효율적으로 만든다는 것입니다.

쥐의 사회적 행동을 평가하기 위한 자동화된 방법의 필요성은 후보 화합물의 단일 용량에 대한 실시간 육안 스크리닝에 50시간이 초과되기 때문에 발생했습니다. 이 비디오의 후반부에서는 제 대학원생인 Frency Varghese가 자동 분석을 시연할 것입니다. 3개의 구획이 있는 검은색 벽 케이지를 설정하는 것으로 시작합니다.

첫 번째 세션의 경우 케이지의 각 끝 칸에 빈 역 와이어 컵을 놓습니다. 이제 위에서 케이지를 볼 수 있도록 비디오 카메라를 준비합니다. 세 개의 구획은 모두 최소 720 x 480 픽셀의 해상도로 표시되어야 합니다.

그런 다음 간접 백열등으로 케이지를 비추어 바닥에서 측정했을 때 케이지 내부가 3.5Lux를 넘지 않도록 합니다. 또한 카메라가 감지할 수 있는 수준에서 케이지를 비출 수 있는 적외선을 제공하십시오. 참조를 위해 빈 케이지의 단일 프레임 이미지를 촬영합니다.

첫 번째 세션의 경우 테스트 마우스를 케이지에 넣습니다. 그런 다음 비디오의 자동 분석을 대기열에 넣으려면 케이지 위로 손을 한 번만 흔듭니다. 쥐가 10분 동안 테스트 케이지를 탐험하게 합니다.

그런 다음 집 우리로 되돌립니다. 두 번째 세션에서는 자극 마우스를 두 개의 거꾸로 된 컵 중 하나 아래에 놓습니다. 평형 방식으로 어떤 컵을 선택할지 선택하세요.

소프트웨어에서 자극 마우스가 어느 컵 아래에 놓였는지 표시하십시오. 명명 규칙의 경우, 동봉된 마우스가 들어 있는 컵은 사회적 컵이고 다른 컵은 비사회적 컵입니다. 구획은 비슷한 방식으로 명명됩니다.

두 번째 세션의 시작 부분을 첫 번째 세션과 같이 손 흔들기로 대기열에 넣습니다. 두 번째 세션이 끝나면 거꾸로 된 컵을 제거하여 두 번째 마우스를 놓습니다. 또 다른 손 흔들기를 사용하여 세 번째 세션의 시작을 알리고 두 쥐가 10분 동안 테스트 케이지에서 상호 작용하도록 합니다.

10분 후 두 쥐를 집 우리로 되돌립니다. 이 섹션에서는 사용자 인터페이스를 사용하여 동영상을 처리하는 방법에 대해 설명합니다. 그러나 사용자 입력 없이 신속한 배치 모드 분석도 가능합니다.

먼저 로드 버튼을 사용하여 동영상을 로드합니다. 그런 다음 케이지 구성을 선택합니다. 분석 프로그램은 케이지 경계, 구획 및 컵을 찾습니다.

네 가지 사전 설정 구성 중 하나를 선택하거나 좌표를 수동으로 조정합니다. 이제 동영상의 각 프레임에 대해 다음 처리 단계를 실행합니다. 먼저 프레임을 회색 음영으로 변환합니다.

둘째, 준비 중에 만들어진 회색조 참조 프레임을 빼서 마우스 위치를 제외한 모든 곳에서 픽셀 값을 0으로 만듭니다. 셋째, 임계값 밝기 위의 모든 픽셀을 흰색으로 설정하고 나머지는 모두 검은색으로 만들어 프레임을 이진화합니다. 조명 조건에 맞게 이 설정을 조정합니다.

이제 Erode/Dilate 함수를 사용하여 이미지에서 꼬리를 제거합니다. 먼저 이진화된 그림을 세 번 침식합니다. 그런 다음 프레임을 6번 확장시킵니다.

그런 다음 프레임을 세 번 더 침식합니다. 다른 픽셀 해상도를 사용하는 경우 조정이 필요할 수 있습니다. 손의 파동은 흰색 픽셀의 볼륨이 크게 도약하는 것으로 쉽게 식별됩니다.

이렇게 하면 세션 시작 및 세션 순서를 자동으로 감지할 수 있습니다. 각 세션 내에서 L/Comp 명령을 사용하여 흰색 픽셀의 가장 큰 구성 요소를 감지합니다. 이렇게 하면 마우스에 속하지 않는 픽셀이 제거됩니다.

그런 다음 [끝 찾기] 함수를 사용하여 흰색 픽셀의 가장 큰 구성 요소 내에서 가장 멀리 있는 두 개의 픽셀을 확인합니다. 이것은 코와 꼬리입니다. 소프트웨어는 흰색 픽셀 개체의 무게 중심 또는 COG를 결정하고 프레임에서 프레임으로 이동하는 방향을 계산합니다.

두 개의 마우스가 있는 세션의 경우 두 개의 개체를 추적해야 합니다. 동일한 명령 세트를 사용하여 가장 큰 두 개의 흰색 픽셀 개체를 선택하고 방향을 지정합니다. 소프트웨어는 프레임 간에 COG를 자동으로 확인합니다.

개체의 크기가 20% 이상 변경되거나 COG가 마우스에 대해 가능한 것보다 더 멀리 이동하면 이러한 기준이 충족될 때까지 이진화 임계값이 자동으로 증가합니다. 이 소프트웨어는 프레임에서 프레임으로 무게 중심을 자동으로 확인합니다. 물체의 크기가 20% 이상 변경되거나 무게 중심이 마우스에 대해 가능한 것보다 더 멀리 이동하면 이러한 기준이 충족될 때까지 이진화 임계값이 자동으로 조정됩니다.

상호 작용은 개체가 2cm 이내에 있을 때 자동으로 감지됩니다. 이러한 세그먼트는 사용자 입력을 위해 재생됩니다. 각 세그먼트에 대해 테스트 마우스의 관점을 사회적 회피, 사회적 접근 또는 둘 다 아님으로 레이블을 지정합니다.

자동 분석을 확인하려면 [로드] 버튼을 사용하여 동영상을 로드합니다. 그런 다음 Start Session 1(세션 1 시작)을 클릭하여 해당 세션의 첫 번째 프레임을 표시합니다. 재생/중지 명령을 사용하여 재생을 제어합니다.

처리된 동영상은 각 마우스의 머리와 꼬리에 다른 색상의 원이 있는 것을 보여줍니다. 또한 사회성 측정은 화면에 표시되고 재생 중에 업데이트됩니다. 자동화된 분석에서 발생한 오류를 수정합니다.

가장 일반적인 오류는 헤드-테일 플립으로, 인터페이스의 도구로 수정할 수 있습니다. 이것은 비디오의 약 20%에서 발생합니다. 드물게 더 복잡한 오류의 경우, 일반적으로 특정 비디오 프레임 시리즈에서 마우스의 코 위치를 수동으로 표시하여 해결할 수 있습니다.

확인되면 Export 기능을 사용하여 사교성 데이터를 스프레드시트 형식으로 내보냅니다. 여러 영화의 데이터를 단일 스프레드시트로 내보내려면 영화를 하나의 폴더에 번들로 묶어야 하며 데이터 컴파일 함수가 작업을 수행합니다. 세션 1에서는 생후 4주 된 BALB/c 테스트 마우스가 10분 동안 59회 격실 사이를 이동하는 것을 추적했습니다.

각 구획에서 보낸 시간은 사회적 자극이 없는 구획 선호의 기준선으로 간주됩니다. 두 번째 세션에서는 사회적 및 비사회적 컵에 숨겨진 4주 된 ICR 마우스가 제공되었습니다. 사회적 공간에서 시간을 보내는 것에 대한 분명한 편견이 있었습니다.

구체적으로 말하자면, 쥐는 비사회적 컵보다 사회적 컵과 더 많은 시간을 보냈습니다. 세 번째 세션에서는 컵을 들어 올리고 쥐가 상호 작용할 수 있도록 했습니다. 10분 동안 총 35개의 사회적 접근이 이루어졌습니다.

개발 후 이 기술은 자폐 스펙트럼 장애의 검증된 마우스 모델에서 손상된 사회성의 핵심 증상 영역을 개선하기 위해 유망한 약물을 보다 신속하게 선별할 수 있도록 합니다. 자동화된 처리는 다양한 케이지 설계 및 종에 맞게 조정할 수 있습니다. 관심 있는 모든 동작은 안정적으로 감지하는 알고리즘을 개발할 수 있는 한 평가할 수 있습니다.