Het bijhouden van ratten in Operant Conditioning Kamers met behulp van een veelzijdige zelfgemaakte videocamera en DeepLabCut

Door het volgen van de methoden die in dit protocol onderzoekers in staat zullen zijn om op te nemen en te analyseren video's van knaagdieren het uitvoeren van complexe gedragstests in operant conditionering kamers. Het protocol beschrijft hoe je goedkope videocamera's bouwen en deze samen met een open source tracking software gebruiken. Dit is een aantrekkelijke aanpak voor labs met een beperkt budget.

De methode is waardevol voor onderzoeksprojecten waarbij operant conditionering bij knaagdieren betrokken is. Als video-analyse kan sterk verbeteren van het begrip van gedrag gezien in dit soort tests. Begin met het bevestigen van de metalen ring rond de opening van de camerastandaard.

Bevestig vervolgens de cameramodule aan de standaard met behulp van de moeren en bouten die bij de kit horen. Open de lintkabelpoorten op de cameramodule en microcomputer door zachtjes te poolen op de randen van hun plastic lippen. Laat de lintkabel in de open poort van de cameramodule branden, zodat de zilveren kabels op de printplaat staan.

Sluit het vervolgens op zijn plaats door te duwen in de plastic clip. Herhaal het proces met een poort op de microcomputer. Bevestig vervolgens de fisheye lens aan de metalen ring op de camera standaard.

Plaats de microcomputer in de plastic behuizing en plaats de genoemde micro-SD-kaart. Sluit vervolgens een monitor, toetsenbord en een muis aan op de microcomputer en begon door de voeding aan te sluiten. Open een terminal venster en type sudo apt koppelteken, krijgen update.

Druk vervolgens op de enter-toets. Volgende type sudo apt volledige koppelteken upgrade en druk op enter. Selecteer onder het startmenu voorkeuren en raspberry PI-configuraties.

Wanneer het venster wordt geopend, ga naar het tabblad interfaces en schakel de camera en I2C dan klik oke. Kopieer het aanvullende bestand naar een USB-geheugenstick. Breng het vervolgens over naar de pi-map van de microcomputers thuis en hernoemen.

Open een terminal venster type pseudo nano slash etc, slash RC dot lokale en druk op enter. Gebruik de pijltoetsen van de toetsenborden om de cursor naar beneden te verplaatsen naar de ruimte tussen fi en afslag nul. Voeg vervolgens tekst toe om ervoor te zorgen dat de computer het gekopieerde script start.

En de infrarood LED's, wanneer het opstart. Sla de wijzigingen op door op het besturingselement en X gevolgd door Y en voer in. Volgende soldeerweerstanden en vrouwelijke jumperkabels op de poten van twee gekleurde LED's.

Soldeer vrouwelijke jumper kabels op twee knop schakelaars. Sluit vervolgens de schakelaars gekleurde LED's en de genoemde infrarood geleid module aan de computers GPI hoepel eindigt. Wanneer goed aangesloten, een led zal aangeven dat de camera is ingeschakeld en klaar om te worden gebruikt.

Terwijl de andere aangeeft dat de camera een video opneemt. De knop met de lange kabels wordt gebruikt om video-opnamen te starten en te stoppen. Terwijl de knop met deze korte kabels wordt gebruikt om de camera uit te schakelen.

Stel het protocol in om het huislicht van de operantkamers te gebruiken als indicator van een specifieke stap in het protocol. Stel vervolgens het protocol in om alle gebeurtenissen van belang met tijdstempels vast te leggen in relatie tot wanneer deze protocolstapindicator actief wordt. Plaats de camera op de top van de operant kamers en begon door het aan te sluiten op een stopcontact via de voedingskabel.

Gebruik de eerder verbonden knop om video-opnamen te starten en te stoppen. Wanneer de video-opnamen zijn voltooid, sluit u de camera aan op een monitor, toetsenbordmuis en USB-opslagapparaat en haalt u de videobestanden van het bureaublad. Gebruik deeplabCuts frame grabbing functie om 700 tot 900 videoframes uit een of meer van de opgenomen video's te extraheren.

Zorg ervoor dat de videoframes die u selecteert het dier in verschillende houdingen weergeven, zowel stationair met het hoofd buiten als binnen in openingen en in verschillende richtingen bewegen. Gebruik de labelingtoolbox om handmatig de positie van het hoofd van de rat in elk videoframe te markeren door een hoofdlabel in een centrale positie tussen de oren van de rat te plaatsen. Label ook andere lichaamsdelen die van belang kunnen zijn.

Markeer bovendien een positie van de protocolstapindicator in elk videoframe waar deze actief schijnt. Gebruik vervolgens de trainingsgegevensset maken en train netwerkfuncties om een trainingsgegevensset te maken van de gelabelde videoframes en de training van een neuraal netwerk te starten. Wanneer een neuraal netwerk is getraind, gebruikt u het om de verzamelde video's te analyseren.

Dit zal een CSV-bestand met de track posities van het hoofd van de rat, andere lichaamsdelen van belang en het protocol stap indicator in elk videoframe. Bovendien wordt gemarkeerde videobestanden gemaakt waarin de spoorposities visueel worden weergegeven. Als u coördinaten van specifieke aandachtspunten in de operantkamers wilt verkrijgen, markeert u deze handmatig zoals eerder beschreven en haalt u de coördinaten op uit het CSV-bestand dat automatisch wordt opgeslagen onder gelabelde gegevens in de projectmap.

Opmerking, waarbij videosegmenten de protocolstapindicator worden bijgehouden binnen 60 pixels van de positie die handmatig in de vorige sectie is verkregen en het exacte beginpunt extrahert voor elke periode waarin de indicator actief is. Gebruik de punten waar de protocolstapindicator actief wordt en de tijdstempels die door de operantkamers zijn geregistreerd. Bepalen welke videosegmenten specifieke gebeurtenissen van het testprotocol behandelen, zoals inter-trial intervallen, reacties of beloningsrecidums.

Let op de videoframes waarop ze betrekking hebben op gebeurtenissen die specifiek interessant zijn. Ten slotte een relevante diepgaande analyse van de positie en bewegingen van het dier tijdens deze gebeurtenissen. De vis ooglens van de camera moet het mogelijk maken om een volledig zicht op de binnenkant van de meeste knaagdier operant conditionering kamers vast te leggen.

Door gebruik te maken van een geschikte bron van infraroodverlichting, zal de camera ook video-opname in volledige duisternis mogelijk maken. Een goed getraind netwerk moet zorgen voor meer dan 90% nauwkeurigheid bij het volgen van het hoofd van een dier. Nauwkeurige tracking is duidelijk te herkennen aan markeringen die een dier volgen tijdens zijn bewegingen en uitgezet paden die vloeiend lijken.

Onnauwkeurige tracking wordt daarentegen gekenmerkt door markeringen die niet betrouwbaar op doel blijven en door gekartelde uitgezet paden. Als gevolg van deze onjuiste tracking veroorzaakt meestal plotselinge verschuivingen in de berekende bewegingen snelheden. Door bij te houden waar een dier zich tijdens een testsessie bevindt, kan men beoordelen hoe verschillende bewegingspatronen zich verhouden tot prestaties.

In de vijfkeuzeseriestijdtest kunnen bijvoorbeeld hoofdbewegingen tijdens het interprocessinterval worden gebruikt om emissieproeven te scheiden waarbij het dier een beperkte interesse toont om een reactie uit te voeren. Van een missie proeven waar het dier gewoon niet aan de korte licht cue merken. Daarnaast kan het onderzoeken van hoofdbewegingen de opsporing en de karakterisering van verschillende aandachtsstrategieën toelaten.

Bij het proberen van deze procedure is het belangrijk dat de protocolstapindicator betrouwbaar is. En dat het neurale netwerk getraind is met een duikert van videoframes. Om een nauwkeurige tracking te garanderen.