Een systeem voor het bijhouden van de dynamiek van sociaal voorkeurs gedrag bij kleine knaagdieren

Summary

Hier beschreven is een nieuw geautomatiseerd experimenteel systeem dat een alternatief biedt voor de test met drie kamers en ook verschillende voorbehoud oplost. Dit systeem levert meerdere gedragsparameters die een grondige analyse van de kleine knaagdier gedrag dynamiek tijdens de sociale voorkeur en sociale nieuwigheid voorkeur tests mogelijk te maken.

Abstract

Het verkennen van de neurobiologische mechanismen van sociaal gedrag vereist gedragstesten die kunnen worden toegepast op diermodellen op een onbevooroordeelde en waarnemer-onafhankelijke manier. Sinds het begin van het Millennium is de test met drie kamer op grote schaal gebruikt als een standaard paradigma om de gezelligheid (sociale voorkeur) en sociale nieuwigheid voorkeur bij kleine knaagdieren te evalueren. Echter, deze test lijdt aan meerdere beperkingen, met inbegrip van de afhankelijkheid van ruimtelijke navigatie en nalatigheid van gedrags dynamiek. Hier gepresenteerd en gevalideerd is een nieuw experimenteel systeem dat een alternatief biedt voor de test met drie kamers, terwijl het ook enkele van zijn voorbehoud oplost. Het systeem vereist een eenvoudig en betaalbaar experimenteel apparaat en een openbaar beschikbaar open-source analysesysteem, dat automatisch meerdere gedragsparameters op individueel en bevolkingsniveau meet en analyseert. Het maakt gedetailleerde analyse van de gedrags dynamiek van kleine knaagdieren tijdens elke sociale discriminatie test. We demonstreren de efficiëntie van het systeem bij het analyseren van de dynamiek van sociaal gedrag tijdens de sociale voorkeur en sociale nieuwheidsvoorkeur tests zoals uitgevoerd door volwassen mannelijke muizen en ratten. Bovendien valideren we het vermogen van het systeem om aangepaste dynamiek van sociaal gedrag in knaagdieren na manipulaties zoals whisker-trimmen te onthullen. Het systeem zorgt dus voor een rigoureus onderzoek naar sociaal gedrag en dynamiek in kleine knaagdieren modellen en ondersteunt nauwkeurigere vergelijkingen tussen stammen, condities en behandelingen.

Introduction

Het onthullen van de biologische mechanismen onderliggende neuroontwikkelingsstoornissen (Ndd's) is een van de belangrijkste uitdagingen op het gebied van neurowetenschappen¹. Het aanpakken van deze uitdaging vereist gedrags paradigma's en experimentele systemen die het gedrag van knaagdieren op een standaard en onbevooroordeelde manier typeren. Een invloedrijke studie die meer dan een decennium geleden werd gepubliceerd door Moy en collega's² presenteerde de drie kamer test. Sindsdien is deze test op grote schaal gebruikt om sociaal gedrag in knaagdieren modellen van Ndd's te onderzoeken. Deze test evalueert twee aangeboren tendensen van knaagdieren: 1) om in de nabijheid van een sociale stimulans over een object (gezelligheid, ook wel sociale voorkeur [SP]) te blijven, en 2) om de nabijheid van een nieuwe sociale stimulans over een vertrouwde een te verkiezen (sociale nieuwigheid voorkeur [SNP])^3,4. Verschillende daaropvolgende studies suggereerden methoden voor geautomatiseerde analyse van de test met drie kamer met behulp van computergestuurde methoden^5,6.

Deze test heeft nog steeds last van verschillende kanttekeningen. Ten eerste onderzoekt het hoofdzakelijk de voorkeur van sociale plaatsen in plaats van de motivatie van het onderwerp om rechtstreeks te communiceren met een sociale stimulans, hoewel sommige groepen ook reuk Investigation (snuiven) tijd meten, ofwel handmatig⁷ of met behulp van commerciële computergestuurde systemen^8,9,10. Ten tweede wordt de test met drie kamer meestal gebruikt om de totale tijd te meten die door het onderwerp in elke kamer wordt doorgebracht, en het negeert de gedrags dynamiek. Ten slotte, het steunt op slechts één aspect van het sociale gedrag, dat is de tijd doorgebracht door het onderwerp in elke kamer (of snuiven tijd, indien gemeten).

Hier presenteren we een nieuw en betaalbaar experimenteel systeem dat een alternatief is voor het drie kamer apparaat. Het maakt ook de prestaties van dezelfde gedrags tests terwijl het oplossen van de bovengenoemde voorbehoud. Het gepresenteerde gedrags systeem automatisch en direct meet het onderzoeksgedrag van een knaagdier naar twee stimuli. Daarnaast analyseert het de gedrags dynamiek op een waarnemer-onafhankelijke manier. Bovendien, dit systeem meet meerdere gedragsparameters en analyseert deze op zowel individuele als bevolkingsniveau; Zo ondersteunt het een grondige analyse van sociaal gedrag en de dynamiek ervan tijdens elke test. Bovendien neutraliseert willekeurige herpositionering van de kamers in tegengestelde hoeken van de Arena tijdens de verschillende test stadia alle effecten van ruimtelijk geheugen of voorkeur. Dit systeem kan ook worden gebruikt voor andere discriminatie tests, zoals discriminatie op grond van geslacht. Het aangepaste apparaat is gemakkelijk te produceren en het analysesysteem is openbaar toegankelijk als een open-source code, waardoor het gebruik ervan in elk laboratorium mogelijk is. We demonstreren het vermogen van dit systeem om meerdere parameters van sociaal gedrag te meten in knaagdieren met uitgesproken bont kleuren tijdens de sociale voorkeur en sociale nieuwigheid voorkeurs tests. We valideren ook het vermogen van het systeem om gewijzigde dynamiek van sociaal gedrag in knaagdieren na manipulaties te onthullen, zoals het trimmen van Whiskers.

TrackRodent software: drie algoritmen werden geschreven in MATLAB (2014a-2019a) om het experimentele onderwerp en de interacties met de stimuli te volgen. Alle algoritmen zijn gedeponeerd in GitHub, te vinden op < https:/github.com/shainetser/trackrodent >. Het belangrijkste doel van alle vier algoritmen is om de contouren van het lichaam van het onderwerp te volgen om direct contact met de stimuli gebieden te detecteren.

Body-based algoritme: dit algoritme heeft drie versies die de contouren van een niet-bekabelde donkere muis op een witte achtergrond volgen (BlackMouseBodyBased), een witte muis op een donkere achtergrond (WhiteMouseBodyBased), of een witte rat op een donkere achtergrond (WhiteRatBodyBased ). De grafische gebruikersinterface (GUI) van de software vereist dat de experimenteerder een experiment kiest met muizen of ratten en vervolgens de juiste code selecteert. Voor elke versie van het algoritme zijn er twee optionele codes: een die het Volg proces op het scherm presenteert terwijl het de analyse uitvoert, en een die dat niet doet (vandaar, het loopt sneller en wordt "snel" genoemd). De namen van de relevante codes voor het algoritme BlackMouseBodyBased zijn bijvoorbeeld: "BlackMouseBodyBased23_7_14" en "BlackMouseBodyBased23_7_14_Fast". Alle algoritmen die eindigen op ' Fast ' laten de tracking online niet zien en gebruikers moeten de gegevens rechtstreeks opslaan in het resultatenbestand (. mat-bestand). Voor alle algoritmen op basis van het lichaam is het instellen van een enkele drempel (' lage drempel ' in de GUI van de software) vereist om de hoofdtekst van het onderwerp te detecteren.

Head-directionality gebaseerd algoritme: het tweede algoritme, dat alleen beschikbaar is voor zwarte muizen, is gebaseerd op het Body-based algoritme, naast het bepalen van de hoofd richtinggevoeligheid. Dit algoritme detecteert de interacties van het hoofd van het onderwerp met de "stimuli" gebieden, dus het vermijden van valse positieven die kunnen voortvloeien uit willekeurige contacten van het onderwerp ' met deze gebieden. Voor dit algoritme worden twee detectiedrempels van muis lichaam contouren gedefinieerd: hoge drempelwaarde, waaronder de helderdere staart van zwarte muizen, en lage drempel, waaronder het lichaam zonder staart. Daarna, het algoritme past een ellipsoïde aan de gedetecteerde grenzen met behulp van de lagere drempel en definieert de locatie van de muis kop en staart (zonder onderscheid tussen de twee). De uiteindelijke discriminatie tussen de staart en het hoofd is gebaseerd op de grenzen die worden bepaald door de hogere drempel.

Bedraad dierlijk algoritme: het derde algoritme heeft tot doel artefacten te minimaliseren die voortvloeien uit kabels (d.w.z. elektrische draad of optische vezels) die zijn aangesloten op het dier, waardoor het gedrag van het dier kan worden geanalyseerd terwijl het is aangesloten op een kabel. Dit algoritme heeft alleen codes voor zwarte muizen en witte ratten. De code voor ratten vereist dat de experimenteerder zowel lage als hoge drempels definieert, terwijl de muis code slechts een lage drempel vereist.

Protocol

Alle beschreven methoden zijn goedgekeurd door het institutioneel Dierenzorg-en gebruiks Comité (IACUC) van de Universiteit van Haifa.

1. experimentele opstelling

1. Arena
   1. Bouw de experimentele arena voor muizen (Figuur 1A, D) door het plaatsen van een wit of zwart (afhankelijk van de kleur van het dier) plexiglas doos (37 cm x 22 cm x 35 cm) in het midden van een akoestische kamer (60 cm x 65 cm x 80 cm, gemaakt van 2 cm dik hout gecoat aan de binnenkant met 2 cm dik schuim). Voor het licht, verwijder een strook (2 cm breed, 10 cm onder het plafond van de kamer) van het schuim rond de akoestische kamer (naast de deur), en bevestig een LED-strip met een rode of witte gloeilampen. Zorg ervoor dat het licht zo uniform mogelijk is rond de Arena om reflecties te voorkomen.
   2. Bouw de arena voor ratten op dezelfde manier als hierboven beschreven voor muizen, met verschillende afmetingen die passend passen bij de grootte van Sprague-Dawley (SD) ratten (Figuur 1G). Plaats een zwarte plexiglas doos (50 cm x 50 cm x 40 cm) in het midden van een akoestische kamer (90 cm x 60 cm x 85 cm, gemaakt van 2 cm dik hout gecoat aan de binnenzijde met 2 cm dik schuim).
2. Kamers
   1. Voor muizen, maak twee zwart of wit (afhankelijk van de vachtkleur) driehoekige kamers (12 cm Isosceles, 35 cm hoogte, met de vloeren gesloten) van 6 mm dik plexiglas. Lokaliseer ze in twee willekeurig gekozen tegenovergestelde hoeken van de Arena (Figuur 1B, E). Plak een metalen gaas (van 18 mm x 6 cm; 1 cm x 1 cm gaten) in het onderste gedeelte van elke kamer met behulp van epoxy lijm om directe interacties met de stimulus door het gaas mogelijk te maken (Figuur 1C, F). Elke kamer markeren op een manier die toelaat discriminatie van de anderen in een video zonder aanwijzingen te geven aan de onderwerpen (Zie afbeelding 1B, E voor voorbeelden).
      Opmerking: Elke kamer zal uiteindelijk een sociale stimulus (muis) of voorwerp bevatten (plastic speelgoed, 5 cm x 5 cm x 5 cm, met een duidelijke vorm en kleur; Figuur 1C, I insets). Laat de geur van epoxy lijm minstens een week vóór gebruik verdampen.
   2. Voor ratten, maak twee zwarte driehoekige kamers (20,5 cm Isosceles, 40 cm hoog, gemaakt van 6 mm dik plexiglas, met gesloten vloeren) en plaats ze in twee willekeurig gekozen tegenoverliggende hoeken van de Arena (Figuur 1H), elk met een metalen gaas (25 cm x 7 cm; 2,5 cm x 1 cm gaten) die het onderste gedeelte bedekken (Figuur 1I)
3. Plaats een monochromatische camera van hoge kwaliteit, uitgerust met een groothoeklens, aan de bovenkant van de akoestische kamer en verbind deze met een computer om het gedrag van het onderwerp duidelijk te bekijken en op te nemen met behulp van commerciële software (Zie tabel met materialen voor suggesties).

2. gedrags paradigma

Opmerking: Stappen 2.1-2.7 beschrijven het gedrags paradigma voor muizen. Zie paragraaf 2,8 voor specifieke instructies met betrekking tot ratten.

1. Zorg ervoor dat de kooien van alle dieren (proefpersonen: 2-4 maand-oude mannelijke muizen; stimuli: 21-30 dag-oude jonge muizen) blijven in de experimentele ruimte voor ten minste 1 h voordat u begint met het gedrags experiment.
2. Na de acclimatie periode plaatst u twee lege kamers willekeurig in de Arena in twee tegengestelde hoeken. Plaats het onderwerp in het midden van de arena voor 15 min gegegegegewacht. In die tijd, plaats de twee sociale stimuli, elk in een andere kamer gelegen uit de arena voor gegegewacht. Plaats een voorwerp (een plastic speeltje, 5 cm x 5 cm x 5 cm, met een uitgesproken vorm en kleur) in een andere kamer.
3. Om de sociale voorkeur test uit te voeren, start u de video-opname en houdt u de opname tot het einde van de test.
4. Verwijder de twee lege kamers en plaats onmiddellijk het voorwerp en een van de sociale stimuli, elk in een aparte kamer. Lokaliseer deze kamers willekeurig in de tegenoverliggende hoeken van de arena die leeg waren tijdens gegegete. Laat het onderwerp om te communiceren met de stimuli voor de 5 min van de SP-test. Stop de opname aan het einde van de test.
5. Na de SP test, verwijder de stimuli-bevattende kamers uit de Arena en laat het onderwerp in de lege arena voor 15 min. Reinig de kamers van buitenaf met 10% ethanol doekjes.
6. Om de SNP-test (sociale nieuwigheid voorkeur) uit te voeren, start u video-opname en plaatst u twee kamers in de Arena: één met dezelfde sociale stimulans die voor de SP-test wordt gebruikt (vertrouwde stimulus), en de andere met de nieuwe sociale stimulans. Plaats deze kamers willekeurig in twee tegenovergestelde hoeken van de Arena, en zorg ervoor dat deze locaties niet werden gebruikt voor de SP-test. Laat het onderwerp communiceren met de stimuli voor de 5 min van de SNP-test.
7. Aan het einde van de SNP-test stop je video-opnames, verwijder je het onderwerp en de kamers uit de Arena en plaats je het onderwerp terug in de huis kooi. Laat de stimuli in de kamers voor het volgende experiment (met een ander onderwerp) of terug te keren naar hun huis kooien. Reinig de Arena en kamers met stromend water, gevolgd door 10% ethanol en laat drogen.
8. Gedrags paradigma voor ratten
   1. Voor ratten, herhaal het gedrags paradigma beschreven in stappen 2.1-2.7, met twee wijzigingen: 1) omgaan met de rat onderwerpen en gewend de sociale stimuli om de kamers voor 2 dagen (10 min elke dag) voorafgaand aan het experiment; en 2) Verleng de SP-test gedurende 15 minuten om de ratten een langere periode van blootstelling aan sociale prikkels te geven. Later, beperk de analyse van de SP-test tot de initiële 5 min.
      Opmerking: Er zijn minstens één arena en vijf kamers nodig om één sessie te kunnen uitvoeren.

3. het gebruik van de TrackRodent GUI voor gedragsanalyse

Opmerking: Zie het bovenste paneel van Figuur 2A voor de trackrodent GUI.

1. Open MATLAB (getest met 2014a-2019a) en kies de map TrackRodent.
2. Voeg alle submappen toe aan het werk pad door met de rechtermuisknop op elke map te klikken en toevoegen aan pad te selecteren | Geselecteerde mappen en submappen.
3. Typ TrackRodent in het opdrachtvenster en druk op ENTER.
4. Upload een enkel bestand of meerdere videobestanden (AVI-of MP4-indeling) door Load Session file (AVI) te selecteren.
5. Een film inspecteur, waardoor de videoclip frame-voor-frame kan worden geïnspecteerd, wordt onmiddellijk geopend voor het eerste bestand in de lijst (afbeelding 2A). Gebruik deze om de videoclip te bekijken en de eerste en laatste frames te definiëren van het segment dat moet worden geanalyseerd. Noteer de nummers van deze frames, die later vereist zullen zijn. Sluit het venster wanneer u klaar bent.
6. Voor het inspecteren van extra videobestanden opent u de video Inspector op elk gewenst moment door op film inspecteren te drukken en een specifiek videobestand te selecteren.
7. Selecteer de geteste soorten (muis of Rat; muis is de standaard).
8. Sluit alle gebieden uit die de tracking kunnen onderbreken, in overeenstemming met de kleuren van het onderwerp en de Arena (zwart of wit).
   1. Als u een bepaald gebied wilt uitsluiten, drukt u op het gebied uitsluitenen nadat de cursor is gewijzigd in een kruisvorm, markeert u alle hoeken van het gebied voor uitsluiting. Als u klaar bent, klikt u met de rechtermuisknop op de muis en dubbelklikt u vervolgens met de linkermuisknop op het midden van het gemarkeerde gebied. Het uitgesloten gebied wordt een schaduw van rood op het scherm. Herhaal deze procedure om zoveel gebieden uit te sluiten als nodig is.
9. Als u een gebied wilt verwijderen uit uitsluiting, drukt u op uitgesloten gebied verwijderenen vervolgens (met behulp van de gekruiste cursor) op het gebied dat moet worden verwijderd uit uitsluiting.
10. Om elke kamer te definiëren als een "stimulus"-gebied, voor automatische detectie van het onderzoek door het onderwerp, kiest u de vorm van het "stimulus"-gebied als polygoon of elliptisch door het juiste vakje aan te vinken en vervolgens op stimulus x te drukken (waarbij "X" staat voor 1, 2 of 3). Markeer de ' stimulus ' gebieden op dezelfde manier als de uitgesloten gebieden, die dan geel van kleur worden. Voor het wijzigen van de locatie van een specifiek ' stimulus ' gebied, drukt u nogmaals op stimulus X en markeert u de nieuwe gebieds locatie (Hiermee wordt de locatie automatisch bijgewerkt).
    Opmerking: Kies het nummer van de verschillende stimuli op een consistente manier voor alle bestanden (d.w.z. object als stimulus 1 voor alle SP-testbestanden).
11. Om de aanwezigheid van het onderwerp in een specifiek virtueel compartiment in de Arena bij te houden, kiest u de vorm van het ' compartiment ' gebied (veelhoek of elliptisch) en drukt u vervolgens op compartiment x (waarbij ' X ' staat voor 1, 2, 3, 4 of 5). Markeer de ' compartiment ' gebieden op dezelfde manier als de uitgesloten of stimuli gebieden, die dan blauw van kleur zullen worden. Om de locatie van een specifiek compartiment te veranderen, druk je opnieuw op compartiment X en markeer je de nieuwe gebieds locatie (Hiermee wordt de locatie automatisch bijgewerkt).
12. Kies het gewenste algoritme (BlackMouseBodyBased werd gebruikt voor de video) uit de lijst (Zie beschikbare algoritmen in afbeelding 2B).
13. Noteer de nummers van begin-en eindframes voor de analyse in de corresponderende bewerkingsvakken van de GUI.
14. Kies een drempel voor het detecteren van de onderwerptekst.
    Opmerking: De meeste algoritmen gebruiken alleen de "lage" drempelwaarde, terwijl de hoofd directionality gebaseerde algoritmen de "hoge" drempelwaarde, ook gebruiken. Voor de "lage" drempel, kies een niveau dat de muis/rat lichaam zonder de staart (zo veel mogelijk) omvat, terwijl de "hoge" drempel moet ook de staart bevatten. In het geval van het gebruik van Head directionality-gebaseerde algoritmen, zal de software de hoofdlocatie bepalen als tegengesteld aan de staart locatie.
    Opmerking: De software zal later op negeert kleine objecten gedetecteerd met behulp van de gekozen drempel.
15. Als u de automatische detectie van de onderwerpranden voor een bepaalde drempel wilt evalueren, voegt u een waarde in het relevante veld drempel in en drukt u op ENTER op het toetsenbord.
16. Wanneer u meerdere bestanden kiest, gaat u naar het volgende bestand (met de knop volgende bovenaan) en selecteert u de juiste definities voor elk bestand. Wanneer u klaar bent, controleert u de parameters en gebieds locaties voor alle bestanden door tussen beide te gaan, met behulp van de knoppen Vorige en volgende boven aan de GUI.
    Opmerking: De definities van alle gebieden en parameters zijn specifiek voor een bepaald bestand.
17. Voor het starten van gedragsanalyse van alle geselecteerde bestanden gaat u naar het eerste bestand en drukt u op Start.
18. Aan het einde van de analyse wordt een resultatenbestand (. mat-bestand) opgeslagen voor elke film in dezelfde map van de filmbestanden.
    Opmerking: Als de langzame (niet-snelle) versie van het algoritme wordt gebruikt, zal het ook een versie van de film opslaan met een wit kruis van het midden van de lichaamsmassa, die de kleur van elk frame verandert dat wordt gedetecteerd als onderzoek, tenzij de wisselknop opgeslagen film opslaan van de GUI is uitgeschakeld. Deze versie van de film (opgeslagen in dezelfde map, met dezelfde naam als de originele film, met het achtervoegsel ' geanalyseerde film ') kan offline worden gebruikt om de kwaliteit van de automatische detectie uitgevoerd door het systeem te evalueren.

4. het gebruik van de TrackRodent GUI voor de presentatie van de resultaten

Opmerking: Zie het onderste deelvenster van afbeelding 2A voor de presentatie van de resultaten.

1. Als u de resultaten van elk filmbestand wilt inspecteren, drukt u op bestand met resultaten laden en kiest u de. mat-bestanden die door de gedragsanalyse worden gegenereerd.
2. Ga tussen de wisselknoppen om een van de volgende analyses op het scherm te bekijken: trace van de muis locatie (Figuur 2A); Compartimenten bezetting langs sessie (als ' compartimenten ' werden gedefinieerd, niet weergegeven); Stimuli verkenning langs sessie (Figuur 2C); Totale tijd in compartimenten (indien "compartimenten" werden gedefinieerd, niet weergegeven); en totale stimuli exploratie tijd (Figuur 2D).
   Opmerking: "Stimulus"-gebieden zijn gebieden waarop de software de interactie tussen onderwerpen evalueert, terwijl ' compartiment ' gebieden gebieden zijn waarin de software de aanwezigheid van het onderwerp bijhoudt. Als u de analyse stopt met de knop analyse stoppen , worden de resultaten die tot het laatst geanalyseerde frame zijn gegenereerd, automatisch opgeslagen. Voor de meeste computers moet het mogelijk zijn om maar liefst 20 films tegelijk te uploaden en te analyseren (afhankelijk van de prestaties van de computer).

5. het gebruik van de TrackRodentPopulationSummary GUI voor Populatieanalyse (Figuur 2E)

1. Open MATLAB (getest met 2014a-2019a) en kies de map TrackRodent.
2. Typ Trackrodentpopulationsummary in het opdrachtvenster en druk op Enter.
3. Upload meerdere TrackRodent-resultaten bestanden (. mat-indeling) door te drukken op resultaten bestanden kiezen.
4. Vul de nummers van het laatste frame in voor analyse, test naam, stimulus 1-naam en stimulus 2-naam.
5. Kies de gewenste analyses uit de lijst met optionele analyses door alle geschikte vakjes aan te vinken.
6. Kies de resultaten exporteren naar een speadsheet door het juiste vakje in te schakelen om alle resultaten van de gecontroleerde analyses uit te pakken als één spreadsheetbestand.
7. Druk op Start en wacht tot de analyse is voltooid.
   Opmerking: Hiermee is de analyse beëindigd. De software kan worden gebruikt om de resultaten van zoveel filmbestanden te analyseren als gewenst, gezien het feit dat ze allemaal gedragingen zijn geanalyseerd met behulp van de TrackRodent-software. De analyse uitgevoerd door de software veronderstelt video-opname met een framesnelheid van 30 Hz. In het geval dat een andere framesnelheid werd gebruikt, vermenigvuldigt u de tijd met 30 en verdeelt u de framesnelheid die wordt gebruikt voor de opname om deze te converteren naar de juiste waarde (n).

Results

Het systeem gebruiken voor de sociale voorkeurs test bij muizen met C57BL/6J
Figuur 1 toont drie versies van de experimentele opstelling. De eerste versie (Figuur 1A-C) is ontworpen voor muizen met donkere VACHT kleuren, zoals C57BL/6j muizen. De tweede (Figuur 1D-F) is gepland voor muizen met felle vacht kleuren, zoals Balb/c of ICR (cd-1) muizen...

Discussion

Het hier beschreven experimentele systeem, dat is ontworpen als alternatief voor het 3-kamer apparaat^2,5, maakt het mogelijk dezelfde tests uit te voeren terwijl enkele van de beperkingen worden opgelost. Het gebruik van driehoekige kamers, die zich in twee tegenovergestelde hoeken van de rechthoekige Arena bevinden, beperkt het onderwerp-stimulus-interactie gebied tot een goed gedefinieerd vlak, waardoor een precieze geautomatiseerde analyse van het onderzoeksge...

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Flea3 1.3 MP Mono USB3 Vision	FLIR (voorheen PointGrey)	FL3-U3-13Y3M-C	Monochrome camera
FlyCap 2.0	FLIR (voorheen PointGrey)	FlyCapture 2.13.3.61X64	Video-opnamesoftware
Home 5 minute Epoxy lijm	Devocon	20845	Voor het lijmen van het metalen gaas op de Plexiglas stimulikamers
Matlab 2014-2019	MathWorks	R2014a - R2019a	Programmeeromgeving
Plexiglas platen (6 mm dik, zwart of wit)	Melina (1990) LTD, Israël	NaN	Voor de constructie van arena en stimulikamers
Rode led strips (60 leds per meter) aangesloten op een 12 V voeding	2012topdeal eBay leverancier	NaN	Voor verlichting van de akoestische kamer