Name: Wielostawowe synchroniczne śledzenie oparte na uczeniu głębokim do obiektywnej ilościowej kinematyki ruchowej kończyn tylnych u szczurów (Wideo) | JoVE Journal
Uploaded: 2026-04-03T12:43:00.000+00:00
Duration: 6 min 52 s
Description: Poznaj bezmarkerową analizę chodu szczurów opartą na głębokim uczeniu, umożliwiającą wielostawowe śledzenie kinematyczne w czasie rzeczywistym. System wykrywa deficyty neurologiczne u modeli z uszkodzeniem rdzenia kręgowego.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Badania były wspierane przez Narodową Fundację Nauk Przyrodniczych Chin (Grant nr 82501640) oraz Chińskie Instytuty Badań Medycznych w Pekinie (Grant nr CX25YQ06).

Wszystkie procedury na zwierzętach zostały zatwierdzone przez Komitet ds. Opieki i Wykorzystania Zwierząt Instytutu Badań nad Mózgiem w Pekinie i zgodne z Wytycznymi dotyczącymi opieki i wykorzystania zwierząt laboratoryjnych. Nie zaobserwowano żadnych działań niepożądanych związanych z procedurą.
1. Przygotowanie sprzętu
<ol>
	<li>Włącz zasilanie systemu bieżni i wybierz przycisk Speed Control na ekranie dotykowym.</li>
	<li>Pozwól pasowi pracować z niską prędkością przez 30 sekund, aby obserwować, czy pas bieżni się nie zmienia.</li>
	<li>Wybierz przycisk Kontrola Nachylenia , następnie ustaw nachylenie na 0°, kliknij Zero i potwierdź, że wyświetlana wartość pokrywa się z bąbelkiem poziomu.</li>
	<li>Wejdź do interfejsu zawieszenia , zawiesz ciężarek 10 g i sprawdź, czy odczyt napięcia jest bliski 0,10 N.</li>
	<li>Włącz Przemysłowy Komputer Osobisty (IPC) i włącz oprogramowanie do akwizycji i analizy wideo.</li>
	<li>Stwórz katalog dziennego eksperymentu, zawierający informacje takie jak nazwa eksperymentu, identyfikacja zwierzęcia, grupa eksperymentalna, prędkość, nachylenie oraz procent redukcji masy ciała.</li>
	<li>Montaż przemysłowego aparatu o wysokiej prędkości (UC70, rozdzielczość: 1280x1024, liczba klatek: 60 fps), wyposażonego w obiektyw manualny (f = 12 mm), na aluminiowym uchwytie profilowym. Ustaw obiektyw aparatu prostopadle do osi podłużnej bieżni, aby uzyskać ściśle boczny widok, zachowując poziomą odległość roboczą 15 cm od płaszczyzny pasa bieżni.</li>
	<li>Umieść soczewkę poziomo za pomocą poziomicy i upewnij się, że tułów szczura zajmuje środkowe 2/3 kadru. Dostosuj ostrość i przysłonę, aż linie skali na linijce tylnej (siatka 1 cm) będą wyraźnie widoczne.</li>
	<li>Kliknij Podgląd, aby potwierdzić, że nie ma śladów i jasność tła jest jednolita. Jeśli obraz jest zbyt ciemny, użyj diody LED podświetlenia, aby zwiększyć jasność; jeśli jest prześwietlona, zmniejsz wzmocnienie i odpowiednio zwęź przysłonę.</li>
	<li>Kliknij Start nagrywania , aby przetestować jakość nagrania danych. Kliknij Zatrzymaj nagrywanie i ustaw ścieżkę przechowywania danych. Po ukończeniu powyższych testów sprzętu rozpocznij testy na zwierzętach.</li>
</ol>
2. Przygotowanie zwierząt i przeprowadzenie testu
<ol>
	<li>Przenieś szczura wraz z oryginalną klatką do pomieszczenia eksperymentalnego i pozwól mu odpocząć przez 10 minut. W tym okresie należy umożliwić swobodny dostęp do jedzenia i wody.</li>
	<li>Rejestruj masę ciała za pomocą wagi elektronicznej (dokładnej do 0,1 g). Włącz szczury o dopasowanej masie ciała (±10 g), aby zminimalizować zakłócające skutki związane z rozmiarem ciała.</li>
	<li>Jeśli kolor futra tylnych kończyn nie kontrastuje wystarczająco z tłem, użyj elektrycznej golarki, aby delikatnie usunąć 1 cm szeroki pasek futra po zewnętrznej stronie uda i z tyłu dolnej części nogi, aby poprawić dokładność rozpoznawania stawów. Podczas golenia szczur jest ręcznie unieruchamiany przez doświadczonego przewodnika bez sedacji, aby zminimalizować stres zwierzęcia. Obserwuj szczury pod kątem oznak stresu i zmęczenia, takich jak niechęć do poruszania się czy długotrwałe wypróżnianie.</li>
	<li>Następnie użyj miękkiej taśmy, aby zmierzyć prostą odległość od biodra do kostki (mm), która posłuży jako podstawa do kolejnej normalizacji kroku.</li>
	<li>Załóż rękawiczki, chwyć szczura i owiń elastyczny pasek na klatkę piersiową wokół przedniej pachy, mocując go do regulowanej szyny suwaka. Upewnij się, że pasek jest na tyle luźny, by włożyć jeden palec, nie wpływając na oddychanie zwierzęcia.</li>
	<li>Powoli obracaj uchwyt ramienia zawieszenia, obserwując wartość napięcia na ekranie, stopniowo zwiększając ją do docelowego stosunku redukcji masy. Potwierdź, że tylne kończyny szczura nadal całkowicie dotykają ziemi.</li>
	<li>Reguluj wysokość drążka chwytu. Poluzuj górne pokrętło i ustaw przednią drążek lekko poniżej czubka nosa szczura, gdy stoi wyprostowany, aby zwierzę mogło łatwo go chwycić bez nadmiernego odchylania głowy do tyłu czy pochylania się.</li>
	<li>Na ekranie dotykowym ustaw prędkość na 150 mm/s, a nachylenie na 0°. Przeprowadź 10-minutową sesję aklimatyzacyjną, aby dostosować zwierzę do konkretnego poziomu wsparcia masy ciała. Obserwuj szczura pod kątem oznak stresu, np. zamarzania, wypróżniania się.<ol>
		<li>Jeśli chód pozostaje nieregularny (definiowany jako [>3 przerwy/min]), przedłuż czas trwania o 2 minuty, maksymalnie do 20 minut. Jeśli szczur wykazuje uporczywe ciągnięcie łapą lub silne oznaki niepokoju, sesja aklimatyzacji zostaje natychmiast przerwana. Następnie zwierzę wraca do swojej domowej klatki i pozwala mu odpocząć co najmniej 24 godziny przed kolejną próbą. Dozwolone są maksymalnie 3 próby aklimatyzacji; zwierzęta, które nie powiodą się we wszystkich próbach, są wyłączone z formalnego eksperymentu.</li>
	</ol>
	</li>
	<li>Aklimatyzacja uznaje się za skuteczną, gdy szczur utrzymuje ciągły, równomierny krok przez co najmniej 60 sekund bez ciągnięcia łapą, a ogon zwisa naturalnie, bez sztywności. Wyklucz zwierzęta, które nie spełniają tych kryteriów po upływie maksymalnego okresu aklimatyzacji.</li>
	<li>Wprowadź parametry wymagane do formalnego eksperymentu. Kolejno wpisz pożądaną prędkość (dowolną wartość od 0 do 300 mm/s) i nachylenie (−30° do +30°) na ekranie dotykowym, a następnie wybierz kierunek pasa bieżni.</li>
	<li>Przeprowadz przygotowania przez pięć kolejnych dni przed formalnym eksperymentem: codziennie chodź przez 10 minut z prędkością 150 mm/s, 0° nachyleniem i zerową redukcją masy ciała, obserwując chod.</li>
	<li>Po uruchomieniu bieżni obserwuj postawę szczura. Jeśli odchodzi od centralnej części 1/3, delikatnie stuknij kostką w prawą ścianę po stronie ciała. Większość zwierząt sama poprawi swoją pozycję. Jeśli dwie kolejne korekty są nieskuteczne, przesuń szczura i ponownie nagraj próbę. Daj zwierzęciu 3–5 minut przerwy na odpoczynek w neutralnym środowisku, jeśli konieczne jest przesunięcie pozycji i ponowne nagranie próby.</li>
	<li>Po ustabilizowaniu kliknij Start Recording i nieprzerwanie rejestruj co najmniej pięć pełnych cykli chodu.</li>
	<li>Po zakończeniu każdej próby natychmiast zmniejszyj prędkość do 0, odpiąć pasek na klatce piersiowej i odłóż szczura do odpowiedniej klatki.</li>
	<li>Na koniec próby zwierzę jest ponownie umieszczane w klatce, gdzie woda jest dostarczana ad libitum za pomocą standardowej butelki.</li>
	<li>Rejestruj co najmniej trzy próby w tych samych warunkach. Jeśli zwierzę biegnie nieprzerwanie przez ponad sześć prób, dodaj dodatkową 2-minutową przerwę, aby zapobiec kumulacyjnemu zmęczeniu.</li>
</ol>
3. Ekstrakcja danych chodu
<ol>
	<li>Najpierw wyodrębnić segmenty zawierające docelowy chód, zwykle około 10 sekund, które powinny zawierać co najmniej 10 analizowalnych stabilnych cykli chodu.</li>
	<li>Zaimportuj plik .mov do oprogramowania analitycznego i zarejestruj indywidualne informacje szczurów, w tym numer identyfikacyjny, grupę oraz warunki eksperymentalne. UWAGA: System wykorzystuje architekturę YOLO-NAS Pose, nowoczesną sieć neuronową zoptymalizowaną do wysokowydajnego oszacowania pozycji. Budowa zbioru danych: Model został wytrenowany na solidnym zbiorze danych 6 000 klatek wideo. Ramki te były ręcznie oznaczone współrzędnymi pięciu kluczowych stawów kończyn tylnych (grzebień biodrowej, biodro, kolano, kostka i palec u nogi) za pomocą graficznego interfejsu użytkownika DeepLabCut, aby zapewnić dokładność w rzeczywistości. Szkolenie: Sieć przeszła transfer learning na GPU NVIDIA RTX 3080, aby dostosować wagi pozycji YOLO-NAS do specyficznych cech tylnej kończyny szczura. Inicjalizacja: W oprogramowaniu wybierz wstępnie wytrenowany model 'Rat_Hindlimb_YOLO_v1' i ustaw próg ufności na 0,8, aby wykluczyć kluczowe punkty o niskiej pewności. Podczas fazy analizy model YOLO-NAS Pose przetwarza strumień wideo klatka po klatce. W przeciwieństwie do tradycyjnych metod widzenia komputerowego, które opierają się na odejmowaniu tła, ta architektura głębokiego uczenia bezpośrednio lokalizuje szczura i przewiduje współrzędne łączne w ramach ramki ograniczającej. Post-processing: Algorytm wyodrębnia współrzędne x i y z map prawdopodobieństwa. Aby zminimalizować drgania wysokich częstotliwości, do surowych trajektorii stosuje się filtr medianowy (rozmiar okna: 3 klatki). Wyjście: System skutecznie blokuje pięć docelowych stawów w ramce wideo, generując współrzędne przestrzenne o rozdzieleniu czasu dla całej sekwencji chodu. Dane te są automatycznie eksportowane jako .csv pliki do obliczeń kinematycznych. Używając linijki na tablicy (siatka 1 cm) rejestrowanej jednocześnie, system ustanawia relację konwersji, automatycznie oblicza współczynnik skalowania i grupowo konwertuje współrzędne pikseli na milimetry.</li>
	<li>Eksportuj współrzędne położenia przestrzennego każdego stawu w czasie jako plik .csv do dalszych obliczeń indeksu. UWAGA: Oprogramowanie automatycznie oblicza długość kroku, częstotliwość kroków i wysokość stopy, a następnie eksportuje zmiany położenia przestrzennego i kątów pięciu stawów kończyn dolnych w czasie. Na podstawie wysokości palców oprogramowanie automatycznie dzieli każdy krok na fazę zamachu i fazę postawy oraz oblicza proporcje fazy zamachu i fazy postawy w każdym cyklu chodu.</li>
</ol>
4. Porównania kinematyczne między grupami
<ol>
	<li>Znormalizuj każdy cykl chodu w grupie od 0% (kontakt stopy) do 100% (ponownie ten sam kontakt stopy), aby zjednoczyć różne długości cykli, ułatwiając uśrednianie grupowe i porównywanie. Rodzaje obrazów, które można wygenerować do zilustrowania dynamiki chodu, przedstawiono w Pliku Uzupełniającym 1.</li>
</ol>
5. Analiza statystyczna
<ol>
	<li>Wszystkie analizy statystyczne wykonuj za pomocą oprogramowania GraphPad Prism.</li>
	<li>Zweryfikować normalność rozkładu danych za pomocą testu Shapiro-Wilka.</li>
	<li>Do porównań walidacji kinematycznej i demonstracji wskaźnika masy ciała (BMI), przedstawiamy dane jako średnią ± SEM.</li>
	<li>Oceń różnice między dwoma warunkami eksperymentalnymi za pomocą testu t niesparowanego ucznia.</li>
	<li>Zdefiniuj progi istotności statystycznej jako *p < 0,05, **p < 0,01 oraz ***p < 0,005. Należy zauważyć, że w tym pilotażowym badaniu walidacyjnym uwzględniono łącznie n = 3 szczury.</li>
</ol>
6. Osadzenie modułu elektrofizjologicznego
UWAGA: Aby stworzyć model eksperymentalny, zwierzęta zostały znieczulone izofluranem (3% przy indukcji, 1,5%–2% przy podtrzymywaniu). Buprenorfina (0,05 mg/kg) została podana w celu zapewnienia okołooperacyjnego analgezji. Po standardowym przygotowaniu skóry i sterylnym zasłonięciu, naświetlano tkanki docelowe, aby zabezpieczyć elektrody rejestrujące w zależności od konkretnej metody: powierzchni czaszki do EEG, otworu międzykręgowego do rejestracji rdzenia kręgowego oraz docelowych mięśni kończyn tylnych do EMG. Zwierzęta były poddawane codziennemu monitoringowi pooperacyjnemu. Podawanie leków analgetycznych kontynuowano przez pierwsze trzy dni po operacji, aby zapewnić odpowiednie leczenie bólu. Zgodnie z identycznym protokołem znieczulającym opisanym powyżej, wykonano standardową laminektomię T10. Następnie wywołano kontuzję stłuczeniem za pomocą skalibrowanego urządzenia do zrzucania ciężaru przed zamknięciem rany. Wszystkie procedury ściśle przestrzegały wytycznych instytucjonalnej opieki nad zwierzętami.
<ol>
	<li>Po zakończeniu modelowania zwierząt należy wszczepić urządzenie do rejestracji elektrofizjologicznej.</li>
	<li>Do rejestracji nerwowej umieść elektrody na powierzchni czaszki, w przestrzeni zewnątrzoponowej lub korze mózgowej, aby rejestrować sygnały mózgowe.</li>
	<li>Do rejestracji rdzenia kręgowego należy włożyć elektrody rejestrujące do przestrzeni zewnątrzoponowej otworu międzykręgowego.</li>
	<li>Do rejestracji EMG zakopuj srebrne przewody dwubiegunowe w mięśniach, aby rejestrować aktywność elektryczną mięśni.</li>
	<li>Po wszczepieniu pozwól zwierzęciu na 5-7 dni na regenerację, codziennie sprawdzając ranę i chód, aby upewnić się, że nie ma oznak infekcji lub bólu, zanim przystąpisz do eksperymentu na bieżni. Pozwól zwierzęciu przejść pełny, 5–7-dniowy okres rekonwalescencji w klatce domowej, aby monitorować powrót do normalnego chodu i zapewnić prawidłowe gojenie rany. W trakcie tego okresu rekonwalescencji nie przeprowadza się rejestrowania chodu ani testów na bieżni.</li>
	<li>Wykonaj przygotowania sprzętu i zwierząt, jak opisano powyżej.</li>
	<li>Zsynchronizuj zbieranie parametrów elektrofizjologicznych i filmów ruchowych, zapewniając, że dane elektrofizjologiczne i wideo mają ten sam znacznik czasu.</li>
	<li>Po zebraniu danych dopasuj sygnały nerwowe do klatek wideo podczas analizy, aby intuicyjnie obserwować wzorce elektrofizjologiczne na różnych etapach cyklu chodu, dostarczając bezpośrednich dowodów na badanie mechanizmu sprzężenia centralno-peryferyjnego.</li>
</ol>

<ol><li>Koch, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Outcome+measures+of+instrumented+gait+analysis+in+hereditary+spastic+paraplegia%3A+a+systematic+review%5BTitle%5D)+AND+%22J+Neuroeng+Rehabil%22%5BJournal%5D)">Outcome measures of instrumented gait analysis in hereditary spastic paraplegia: a systematic review.</a> J Neuroeng Rehabil. 22 (1), 129(2025).</li>
<li>Han, X., Guffanti, D., Brunete, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comprehensive+review+of+vision-based+sensor+systems+for+human+gait+analysis%5BTitle%5D)+AND+%22Sensors+%28Basel%29%22%5BJournal%5D)">A comprehensive review of vision-based sensor systems for human gait analysis.</a> Sensors (Basel). 25 (2), 498(2025).</li>
<li>Hamers, F. P., Koopmans, G. C., Joosten, E. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((CatWalk-assisted+gait+analysis+in+the+assessment+of+spinal+cord+injury%5BTitle%5D)+AND+%22J+Neurotrauma%22%5BJournal%5D)">CatWalk-assisted gait analysis in the assessment of spinal cord injury.</a> J Neurotrauma. 23 (3-4), 537-548 (2006).</li>
<li>Lu, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Three-phase+enriched+environment+improves+post-stroke+gait+dysfunction+via+facilitating+neuronal+plasticity+in+the+bilateral+sensorimotor+cortex%3A+a+multimodal+MRI%2FPET+analysis+in+rats%5BTitle%5D)+AND+%22Neurosci+Bull%22%5BJournal%5D)">Three-phase enriched environment improves post-stroke gait dysfunction via facilitating neuronal plasticity in the bilateral sensorimotor cortex: a multimodal MRI/PET analysis in rats.</a> Neurosci Bull. 40 (6), 719-731 (2024).</li>
<li>Neckel, N. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Novel+spatiotemporal+analysis+of+gait+changes+in+body+weight+supported+treadmill+trained+rats+following+cervical+spinal+cord+injury%5BTitle%5D)+AND+%22J+Neuroeng+Rehabil%22%5BJournal%5D)">Novel spatiotemporal analysis of gait changes in body weight supported treadmill trained rats following cervical spinal cord injury.</a> J Neuroeng Rehabil. 14 (1), 96(2017).</li>
<li>Dienes, J. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Analysis+and+modeling+of+rat+gait+biomechanical+deficits+in+response+to+volumetric+muscle+loss+injury%5BTitle%5D)+AND+%22Front+Bioeng+Biotechnol%22%5BJournal%5D)">Analysis and modeling of rat gait biomechanical deficits in response to volumetric muscle loss injury.</a> Front Bioeng Biotechnol. 7 (1), 146(2019).</li>
<li>de Leon, R. D., Dy, C. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((What+did+we+learn+from+the+animal+studies+of+body+weight-supported+treadmill+training+and+where+do+we+go+from+here%5BTitle%5D)+AND+%22J+Neurotrauma%22%5BJournal%5D)">What did we learn from the animal studies of body weight-supported treadmill training and where do we go from here.</a> J Neurotrauma. 34 (9), 1744-1750 (2017).</li>
<li>Li, H., He, Q., Wu, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Detection+of+brain+abnormalities+in+Parkinson%27s+rats+by+combining+deep+learning+and+motion+tracking%5BTitle%5D)+AND+%22IEEE+Trans+Neural+Syst+Rehabil+Eng%22%5BJournal%5D)">Detection of brain abnormalities in Parkinson's rats by combining deep learning and motion tracking.</a> IEEE Trans Neural Syst Rehabil Eng. 31 (1), 1001-1007 (2023).</li>
<li>Takeoka, A., Vollenweider, I., Courtine, G., Arber, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Muscle+spindle+feedback+directs+locomotor+recovery+and+circuit+reorganization+after+spinal+cord+injury%5BTitle%5D)+AND+%22Cell%22%5BJournal%5D)">Muscle spindle feedback directs locomotor recovery and circuit reorganization after spinal cord injury.</a> Cell. 159 (7), 1626-1639 (2014).</li>
<li>Van Criekinge, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+full-body+motion+capture+gait+dataset+of+138+able-bodied+adults+across+the+life+span+and+50+stroke+survivors%5BTitle%5D)+AND+%22Sci+Data%22%5BJournal%5D)">A full-body motion capture gait dataset of 138 able-bodied adults across the life span and 50 stroke survivors.</a> Sci Data. 10 (1), 852(2023).</li>
<li>Datta Gupta, A., Tucker, G., Koblar, S., Visvanathan, R., Cameron, I. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spatiotemporal+gait+analysis+and+lower+limb+functioning+in+foot+dystonia+treated+with+botulinum+toxin%5BTitle%5D)+AND+%22Toxins+%28Basel%29%22%5BJournal%5D)">Spatiotemporal gait analysis and lower limb functioning in foot dystonia treated with botulinum toxin.</a> Toxins (Basel). 10 (12), 532(2018).</li>
<li>Mathis, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((DeepLabCut%3A+markerless+pose+estimation+of+user-defined+body+parts+with+deep+learning%5BTitle%5D)+AND+%22Nat+Neurosci%22%5BJournal%5D)">DeepLabCut: markerless pose estimation of user-defined body parts with deep learning.</a> Nat Neurosci. 21, 1281-1289 (2018).</li>
<li>Cicirelli, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Human+gait+analysis+in+neurodegenerative+diseases%3A+a+review%5BTitle%5D)+AND+%22IEEE+J+Biomed+Health+Inform%22%5BJournal%5D)">Human gait analysis in neurodegenerative diseases: a review.</a> IEEE J Biomed Health Inform. 26 (1), 229-242 (2022).</li>
<li>Basso, D. M., Beattie, M. S., Bresnahan, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+sensitive+and+reliable+locomotor+rating+scale+for+open+field+testing+in+rats%5BTitle%5D)+AND+%22J+Neurotrauma%22%5BJournal%5D)">A sensitive and reliable locomotor rating scale for open field testing in rats.</a> J Neurotrauma. 12 (1), 1-21 (1995).</li>
<li>Bhimani, A. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+gait+analysis+in+a+spinal+contusion+rat+model%5BTitle%5D)+AND+%22Neurosci+Biobehav+Rev%22%5BJournal%5D)">Functional gait analysis in a spinal contusion rat model.</a> Neurosci Biobehav Rev. 83 (1), 540-546 (2017).</li>
<li>Dewberry, L. S., Cruz, C. J., Southern, K. M., Otto, K. J., Allen, K. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pipeline+validation+for+rodent+gait+analysis+using+DeepLabCut%5BTitle%5D)+AND+%22J+Biomech+Eng%22%5BJournal%5D)">Pipeline validation for rodent gait analysis using DeepLabCut.</a> J Biomech Eng. 147 (11), (2025).</li>
<li>Kirkpatrick, N. J., Butera, R. J., Chang, Y. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((DeepLabCut+increases+markerless+tracking+efficiency+in+X-ray+video+analysis+of+rodent+locomotion%5BTitle%5D)+AND+%22J+Exp+Biol%22%5BJournal%5D)">DeepLabCut increases markerless tracking efficiency in X-ray video analysis of rodent locomotion.</a> J Exp Biol. 225 (16), (2022).</li>
<li>Moraud, E. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mechanisms+underlying+the+neuromodulation+of+spinal+circuits+for+correcting+gait+and+balance+deficits+after+spinal+cord+injury%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Mechanisms underlying the neuromodulation of spinal circuits for correcting gait and balance deficits after spinal cord injury.</a> Neuron. 89 (4), 814-828 (2016).</li>
<li>Wenger, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spatiotemporal+neuromodulation+therapies+engaging+muscle+synergies+improve+motor+control+after+spinal+cord+injury%5BTitle%5D)+AND+%22Nat+Med%22%5BJournal%5D)">Spatiotemporal neuromodulation therapies engaging muscle synergies improve motor control after spinal cord injury.</a> Nat Med. 22 (2), 138-145 (2016).</li>
<li>Kathe, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+neurons+that+restore+walking+after+paralysis%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">The neurons that restore walking after paralysis.</a> Nature. 611 (7936), 540-547 (2022).</li>
<li>Skinnider, M. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Single-cell+and+spatial+atlases+of+spinal+cord+injury+in+the+Tabulae+Paralytica%5BTitle%5D)+AND+%22Nature%22%5BJournal%5D)">Single-cell and spatial atlases of spinal cord injury in the Tabulae Paralytica.</a> Nature. 631 (8019), 150-163 (2024).</li>
</ol>

Bieżnia MOVEMETRICS oraz algorytm oprogramowania MouseAI użyte w tym artykule zostały opracowane przez Shanghai Linaiyan Technology Co., Ltd. Autorzy twierdzą, że nie istnieją inne interesy finansowe poza współpracą techniczną, a firma nie uczestniczyła w zbieraniu danych, analizie ani interpretacji wyników, co nie wpływa na obiektywność badania.

Protokół ten określa system analizy chodu szczurów oparty na bieżni oraz jego procedury operacyjne, zapewniając wielowymiarowe i obiektywne narzędzie oceny dla badań behawioralnych nerwowo-mięśniowych. Jak pokazano w porównaniach parametrów chodu między SCI a zdrowymi szczurami w badaniu przykładowym, system pozyskuje surowe współrzędne ruchów przestrzennych kończyn dolnych uczestników dzięki ciągłej wideografii chodu o wysokiej liczbie klatek na sekundę oraz zautomatyzowanemu algorytmowi anotacji wielostawowych sterowan...

We współczesnych badaniach neurobiologicznych i lokomotorycznych obiektywna ilościowa ilościowość chodu jest obecnie niezbędna do analizy funkcji nerwowo-mięśniowych, wyjaśniania mechanizmów chorobowych oraz oceny strategii rehabilitacji1. Jego wysoka rozdzielczość czasoprzestrzenna umożliwia wychwycenie subtelnych różnic w synergiach między poleceniami nerwowymi, profilami aktywacji mięśni i mechaniką szkieletu, tworząc tym samym empiryczne podstawy do badania koordynacji szlaków nadrdzeniowych, sprzężenia zwrotnego obwodowego oraz kontekstów mechanicznych. Powtarzalne metryki kinematyczne zwiększają czułość wykrywania zmian, zmian zwyrodnieniowych oraz efektów terapeutycznych, przyspieszając proces rozwoju leków i urządzeń2.
Konwencjonalne platformy oceniające, takie jak CatWalk, DigiGait lub uproszczone analizy footprintów, pośrednio wnioskują kinematykę stawów na podstawie wzorców kontaktu podeszwowego. Te podejścia dają niskorozdzielcze i niespójne wskaźniki, które nie oddają złożoności kinematycznej wielostawowej kończyn tylnych 3,4. Głównym celem naszej metody jest stworzenie systemu analizy chodu o wysokiej precyzji, bez markerów i opartego na ciężarze, zaprojektowanego specjalnie dla modeli gryzoni. Dlatego tworzymy nowatorskie ramy, które: (i) utrzymują gryzonie w pozycji pionowej pod kontrolowanym obciążeniem osiowym (0-100% masy ciała) podczas ciągłego obrazowania wielostawowego, (ii) bezpośrednio lokalizują anatomiczne punkty orientacyjne płaszczyzny strzałkowej z analizy widoku bocznego za pomocą głębokiego uczenia w celu generowania dwuwymiarowych trajektorii przestrzennych, (iii) eksportują kąty stawów rozdzielone w czasie oraz kinematykę segmentalną do modelowania statystycznego5. Zasadniczo ramy te opierają się na zastosowaniu głębokiego uczenia do zadań widzenia komputerowego, co umożliwia solidne wyodrębnianie cech wspólnych z danych wideo.
W porównaniu z obecnymi systemami, ta platforma oferuje cztery kluczowe zalety. Działanie bez markerów eliminuje odblaskowe lub implantowane tagi, jednocześnie znacząco zmniejszając złożoność proceduralną i artefakty ruchu6. Zintegrowany system zawieszenia z sprzężeniem zwrotnym umożliwia precyzyjne, stopniowe podparcie masy ciała (0-100%), co umożliwia kompleksową ocenę chodu na całym ciągłym przebiegu od załadunku do rozładunku, czego brakuje na bieżniach komercyjnych7. Architektura głębokiego uczenia pozwala na szybkie ponowne trenowanie dla nowych szczepów, wieku lub schorzeń patologicznych, przewyższając ręczne śledzenie w skalowalności8. A wysokoprecyzyjne współrzędne przestrzenne wielostawowe umożliwiają precyzyjną analizę kinematyki międzystawowej w połączeniu z ilościowym profilowaniem nietypowych wzorców chodu.
Ten protokół jest szeroko stosowalny. Umożliwia badanie kontroli nadrdzeniowej, pętli zwrotnych proprioceptywnych oraz synergii mięśni przy modulowanych wymaganiach mechanicznych9. Patofizologicznie dostarcza wrażliwych biomarkerów lokomotorycznych dla urazów rdzenia kręgowego (SCI), udaru, neurodegeneracji, neuropatii obwodowych oraz zaburzeń nerwowo-mięśniowych 8,10. Terapeutycznie wspiera podłużną ocenę interwencji farmakologicznych lub opartych na urządzeniach, z większą mocą statystyczną dzięki kinematyce wysokiej rozdzielczości11. Architektura modułowa umożliwia płynną integrację z komplementarnymi platformami, takimi jak elektromiogram (EMG) lub sygnały mózgowe, ułatwiając mechanistyczne dekodowanie korelatów nerwowych w ruchu kończyn dolnych.

<table><tbody><tr><td>Adnotacje i adnotacje Gait AI Oprogramowanie do pozyskiwania</td><td>Shanghai ClinAITrial Technology Co., Ltd.</td><td>MouseAI</td><td>MouseAI to zintegrowane oprogramowanie analizujące dla bieżni MOVEMETRICS, łączące nagrywanie wideo, rejestrowanie metadanych oraz automatyczną analizę chodu w jeden sposób pracy.</td></tr><tr><td>Mechaniczne uderzenia&nbsp;</td><td>RWD Life Science, Shenzhen, Chiny</td><td></td><td></td></tr><tr><td>Wielokanałowy system rejestracji elektrofizjologicznej</td><td>Kedou (Suzhou) mózg – technologia komputerowa &nbsp;</td><td>KedouBC RHD128A</td><td>KedouBC RHD128A to kompaktowy, 128-kanałowy system pozyskiwania elektrofizjologii in vivo, zaprojektowany do wysokiej rozdzielczości rejestrowania neuronów u małych i dużych zwierząt laboratoryjnych. Integrując lekkie, plug-and-play główne sceny (&le; 1,3 g), 16-bitowe konwersje A/D oraz programowalne wzmacniacze, rejestruje sygnały EEG, ECoG, LFP, spikes, EMG i EKG od 0,1 Hz do 30 kHz z &le; 2.4 & mikro; Szum systemu V oraz > 10 G&Omega; Impedancja wejściowa. RHD128A dostarcza solidne, skalowalne przez użytkownika dane neuronowe, przyspieszając badania nad interfejsami mózg-maszyna, < odrocznictwem i rehabilitacją neurodegeneracji br/>.</td></tr><tr><td>Bieżnia</td><td>Shanghai ClinAITrial Technology Co., Ltd.</td><td>MOVEMETRICS</td><td>MOVEMETRICS to bieżnia o wysokiej precyzji wyposażona w instrumenty do zaawansowanej analizy chodu gryzoni.</td></tr></tbody></table>

wielostawowe synchroniczne śledzenie oparte na uczeniu głębokim do obiektywnej ilościowej kinematyki ruchowej kończyn tylnych u szczurów

Deep-Learning Based Multi-Joint Synchronous Tracking for Objective Quantification of Hindlimb Locomotor Kinematics in Rats

Dokładna i obiektywna ocena chodu szczura jest niezbędna dla badań neurobiologicznych i kinezjologii. Konwencjonalne systemy często polegają na obrazowaniu śladu do pośredniego wnioskowania chodu, co nie jest w stanie w pełni uchwycić kinematyki wielostawowej kończyn tylnych. Niniejsze badanie ustanawia system analizy chodu na bieżni oparty na bezmarkerach dla gryzoni, integrując niestandardowe algorytmy głębokiego uczenia z programowalną bieżnią wspierającą ciężar, umożliwiającą śledzenie w czasie rzeczywistym wielu stawów kończyn dolnych oraz wielowymiarową kinematyczną ilościowość. System automatycznie wyodrębnia parametry cyklu chodu, trajektorie stawów, wzorce rozkładu sił oraz płynność ruchu przy regulowanej prędkości (0-300 mm/s), nachyleniu (±30° gradientu) oraz w warunkach stopniowanego wsparcia ciężaru (0-500 g), zapewniając obiektywne narzędzie oceny badań nad zachowaniem nerwowo-mięśniowym. Korzystając z modeli urazów rdzenia kręgowego (SCI), wyniki pokazują wrażliwość systemu na wykrywanie wielowymiarowych różnic w zakresie ruchu stawów, ciągłości trajektorii, sile napędowej oraz płynności ruchu między zdrowymi a rannymi gryzoniami, potwierdzając jego zdolność do rozróżniania chorób i oceniania. W porównaniu z tradycyjnymi subiektywnymi wynikami czy metodami footprint, ta platforma eliminuje osobiste uprzedzenia i ograniczenia dotyczące danych o niskich wymiarach, łącząc architekturę opartą na głębokim uczeniu i przepustowość w zbieraniu danych. Jest stosowalny w badaniach dotyczących urazów nerwów centralnych lub obwodowych, chorób neurodegeneracyjnych, zaburzeń układu mięśniowo-szkieletowego oraz procesów starzenia. Dzięki synchronicznej integracji modułów neuroelektrofizjologii system dodatkowo umożliwia sprzężenie czasowe między chodem a sygnałami nerwowymi, ustanawiając ramy metodologiczne do analizy mechanizmów kontroli centralno-obwodowej oraz opracowywania strategii neuromodulacyjnych.

Schemat i rzeczywiste zdjęcie struktury systemu bieżni pokazano odpowiednio na rysunku 1A, B. Urządzenie jest zdolne do uzyskania wysokokontrastowych obrazów bocznych bez użycia znaczników. Bieżnia umożliwia regulacje prędkości, nachylenia, kierunku i redukcji masy, a także jest wyposażona w panel sterowania numerycznego. Towarzyszący interfejs programowy obejmuje system monitorowania i akwizycji w czasie rzeczywistym, a także interfejs do analizy przesyłania wideo i ekstrak...

Protokół ten ustanawia pipeline oceny kinematyki tylnej kończyny szczura za pomocą testu na bieżni bez markerów z automatycznym oznaczaniem trajektorii wielostawowych opartym na głębokim uczeniu, co umożliwia powtarzalną ilościową ilościową identyfikację ruchu.

Wielostawowe synchroniczne śledzenie oparte na uczeniu głębokim do obiektywnej ilościowej kinematyki ruchowej kończyn tylnych u szczurów

Accurate and objective assessment of rat gait is essential to neuroscience and kinesiology research fields. Conventional systems frequently depend on ...

Opracowaliśmy bieżnię opartą na sztucznej inteligencji do śledzenia ruchów szczurów, co pomaga nam precyzyjnie ocenić powrót do zdrowia po urazie rdzenia kręgowego. W przeciwieństwie do tradycyjnych metod opartych na odcisku stopy, które oznaczają złożoną ekonomię stawów, nasz system sztucznej inteligencji bezpośrednio śledzi ruchy wielu stawów. Na początek włącz komputer komercyjny i uruchom oprogramowanie do nagrywania i analizy wideo.Ustaw obiektyw aparatu prostopadle do osi podłużnej bieżni, aby uzyskać wyłącznie boczny widok, zachowując poziomą odległość roboczą 15 centymetrów od płaszczyzny taśmy bieżni. Następnie zapisz masę ciała każdego szczura na wadze elektronicznej. Włączaj tylko szczury o dopasowanej masie ciała, aby zminimalizować wpływ na rozmiar ciała.Załóż rękawiczki i delikatnie chwyć szczura. Zawinij elastyczny pasek na klatkę piersiową wokół przedniej pachy i przymocuj do regulowanej szyny ślizgowej. Następnie wyreguluj pasek tak, aby jeden palec mógł się włożyć bez ograniczania oddychania.Na ekranie dotykowym ustaw prędkość na 150 milimetrów na sekundę i nachylenie na zero stopni. Przeprowadź 10-minutową sesję aklimatyzacyjną, aby przystosować szczura do poziomu wsparcia masy ciała, jednocześnie monitorując oznaki stresu i zmęczenia, takie jak niechęć do ruchu czy długotrwałe wypróżnianie. Potwierdź pomyślną aklimatyzację, gdy szczur utrzymuje ciągły i równomierny krok przez co najmniej 60 sekund bez ciągnięcia łapą i z naturalnie zwisającym ogonem.Wyklucz zwierzęta, które nie spełniają tych kryteriów po upływie maksymalnego okresu aklimatyzacji. Wprowadź parametry formalnego eksperymentu na ekranie dotykowym. Wpisz kolejno pożądaną prędkość i nachylenie, a następnie wybierz kierunek pasa bieżni.Po stabilizacji wybierz Rozpocznij nagrywanie, aby rozpocząć akwizycję danych. Nieprzerwanie rejestruj co najmniej pięć pełnych cykli chodu. Na koniec każdej próby zmniejszaj prędkość do 0 milimetrów na sekundę.Odepnij pasek na klatce piersiowej i odłóż szczura do odpowiedniej klatki. Wyodrębnij fragmenty wideo trwające około 10 sekund, które zawierają docelowy chód z co najmniej 10 cyklami stabilnego chodu. Zarejestruj informacje o szczurze, w tym numer identyfikacyjny, grupę oraz warunki eksperymentalne.Zaimportuj plik MOV do oprogramowania analitycznego. Normalizuj każdy cykl chodu od zera do 100%, aby ustandaryzować długość cyklu. Generuj reprezentatywne obrazy ilustrujące dynamikę chodu.Eksportuj współrzędne położenia przestrzennego każdego stawu w czasie jako plik csv do dalszej analizy. Po zakończeniu modelowania zwierząt należy wszczepić urządzenie do rejestracji elektrofizjologicznej. Aby rejestrować sygnały mózgowe, umieść elektrody na powierzchni czaszki, w przestrzeni zewnątrzoponowej lub korze mózgowej, aby rejestrować sygnały mózgowe.Do rejestracji rdzenia kręgowego należy włożyć elektrody rejestrujące do przestrzeni zewnątrzoponowej otworu międzykręgowego. Do zapisu elektromiograficznego zakopuj srebrne przewody dwubiegunowe w docelowych mięśniach, aby rejestrować aktywność elektryczną mięśni. Pozwól zwierzęciu na regenerację przez pięć do siedmiu dni po zagnieżdżeniu się.Codziennie sprawdzaj ranę i chod, aby upewnić się, że nie ma oznak infekcji ani bólu przed testem na bieżni. Przygotuj sprzęt i zwierzęta przed eksperymentem zsynchronizowanym. Następnie zsynchronizuj akwizycję danych elektrofizjologicznych z filmem z ruchu, aby upewnić się, że oba mają ten sam znacznik czasu.Poprzez analizę dopasuj sygnały nerwowe do odpowiadających im klatek wideo, aby zwizualizować wzorce elektrofizjologiczne w różnych fazach chodu. Szczury z uszkodzeniem rdzenia kręgowego wykazywały znaczną utratę ruchu i nieregularne krzywe przemieszczenia biodrowego. Szczury z urazem rdzenia kręgowego wykazywały zwiększone wahania kątów stawów w porównaniu ze zdrowymi szczurami.Mapa ciepła zakresu ruchu stawów wykazała szeroki spadek skali koloru u szczurów z urazem rdzenia kręgowego w porównaniu ze zdrowymi szczurami, podczas gdy mapa aktywności trajektorii wykazała istotne zmniejszenie zakresu ruchu każdego stawu oraz upośledzoną ciągłość ruchu. Dla szczurów z urazami rdzenia kręgowego mapa chmury punktowej wykazała zwiększoną dyspersję i przesunięcie środka masy w lewo. Wykres wodospadów wysokości pokazuje rozkład bimodalny wzdłuż osi x między grupami z ogólnym spadkiem różnic w środku ruchu.Dla osi y na początku ruchu obserwuje się spadek różnicy. Ogólny rozkład różnic jest chaotyczny, co wskazuje na nieprawidłowe fazy ruchu u szczurów z uszkodzeniem rdzenia kręgowego w porównaniu do zdrowych szczurów. Pionowy rozkład szczytu wysokości palców u palców został przesunięty w prawo u szczurów z urazem rdzenia kręgowego.Wykres zakresu prędkości pokazywał, że łączny zakres prędkości w każdej klatce był zwężony w grupie kontuzjowanych. Ponadto szczury związane z uszkodzeniem rdzenia kręgowego wykazywały również zmniejszenie powierzchni płaszczyzny fazowej, szacowanego wskaźnika maksymalnej siły napędu oraz wskaźników płynności ruchu. Nasz system pozwala naukowcom precyzyjnie mierzyć trajektorie wielostawowe, rozkład siły oraz płynność ruchu w czasie rzeczywistym.Ważnym aspektem jest dokładne przyzwyczajenie szczura do systemu bieżni, aby zapewnić stabilność i przeanalizować wzorce chodu. Możemy zsynchronizować system z EMG lub EEG, aby rozszyfrować sygnały mechanizmów stojących za tym ruchem.

deep-learning-based-multi-joint-synchronous-tracking-for-objective

Research

JoVE Journal

Behavior

Zachowanie

Lokomocja jest często badana jako wynik behawioralny w różnych modelach chorób w dziedzinach takich jak neuronauka i ortopedia. Niniejszy artykuł wideo ma na celu opisanie metody pomiaru sił reakcji podłoża oraz kinematyki u szczurów podczas swobodnej lokomocji.

Wyznaczanie kinematyki i siły reakcji podłoża: demonstracja ilościowej oceny zdolności lokomocyjnych szczurów młodych, dorosłych w średnim wieku oraz geriatrycznych

Aktywność lokomotoryczna (LMA) to prosty i łatwy do wykonania pomiar zachowania u myszy. Sprzężenie oprogramowania do śledzenia wideo (VTS) i LMA pozwala na poprawę swoistości i czułości, zwłaszcza w porównaniu z ręczną metodą analizy LMA polegającą na przekraczaniu linii. Dodatkowo VTS umożliwia długoterminowe śledzenie LMA myszy.

Krótko- i długoterminowa aktywność ruchowa myszy analizowana przez oprogramowanie do śledzenia wideo

Paradygmat jest prezentowany w celu analizy nabywania u szczurów umiejętności sięgania kończynami przednimi do bardzo precyzyjnego dosięgnięcia.

Zdobycie wysoce precyzyjnego zadania dosięgania kończyn przednich u szczurów

Obecne badanie miało na celu zautomatyzowanie kwantyfikacji deficytów motorycznych u szczurów. Wstępny model oceny ocenia utratę motoryczną wynikającą z implantacji mikroelektrody wewnątrzkorowej w korze ruchowej. Informujemy o rozwoju i wykorzystaniu algorytmu śledzenia za pomocą łatwego do adaptacji, prostego i łatwo dostępnego oprogramowania do kodowania.

Nowatorski system śledzenia funkcji motorycznych pojedynczego zwierzęcia za pomocą prostego, łatwo dostępnego oprogramowania

Prezentowany tutaj jest protokół do zbierania i analizy trójwymiarowej kinematyki poruszania się czworonożnych u gryzoni do badań przedklinicznych.

Analiza kinematyczna chodu 3D do badań przedklinicznych na gryzoniach

Umiejętne sięganie gryzoni jest powszechnie używane do nauki zręczności, ale wymaga znacznego czasu i wysiłku do wykonania zadania i przeanalizowania zachowania. Opisujemy zautomatyzowaną wersję umiejętnego docierania ze śledzeniem ruchu i trójwymiarową rekonstrukcją trajektorii zasięgu.

Zautomatyzowane sięganie pojedynczych śruin szczura z 3-wymiarową rekonstrukcją trajektorii łap i palców

Ten protokół opisuje, jak zbudować małą i wszechstronną kamerę wideo oraz jak wykorzystać uzyskane z niej filmy do trenowania sieci neuronowej do śledzenia pozycji zwierzęcia w komorach warunkowania instrumentalnego. Jest to cenne uzupełnienie standardowych analiz logów danych uzyskanych z testów kondycjonowania instrumentalnego.

Śledzenie szczurów w komorach kondycjonowania instrumentalnego za pomocą uniwersalnej domowej kamery wideo i DeepLabCut

Obecny protokół opisuje trójwymiarowe śledzenie/ocenę ruchu, aby zobrazować zmianę ruchu szczurów po ekspozycji na symulowane środowisko nieużywania.

Kompleksowe zrozumienie zmian chodu wywołanych bezczynnością u gryzoni

Obecne badanie opisuje test zachowania motorycznego do analizy deficytów motorycznych w modelach gryzoni, w tym szczura TgF344-AD, z wykorzystaniem uczenia maszynowego.

Zadanie motoryczne w celu badania kinematyki stawów w przedklinicznym modelu chorób neurodegeneracyjnych

Protokół ten wprowadza vmTracking, metodę umożliwiającą bardzo precyzyjne śledzenie pozycji w filmach z wieloma swobodnie poruszającymi się zwierzętami bez znaczników, nawet w zatłoczonych warunkach, gdzie zwierzęta są gęsto skupione. Takie podejście dostarcza wiarygodnych danych do analizy interakcji społecznych zachodzących w środowiskach półnaturalnych, gdzie zwierzęta mogą swobodnie się poruszać.

Wykorzystanie vmTracking do poprawy dokładności oszacowania pozycji wielozwierzęcych w badaniach zachowań społecznych gryzoni

Poznaj bezmarkerową analizę chodu szczurów opartą na głębokim uczeniu, umożliwiającą wielostawowe śledzenie kinematyczne w czasie rzeczywistym. System wykrywa deficyty neurologiczne u modeli z uszkodzeniem rdzenia kręgowego.

Wielostawowe synchroniczne śledzenie oparte na uczeniu głębokim do obiektywnej ilościowej kinematyki ruchowej kończyn tylnych u szczurów (Wideo) | JoVE Journal

Wielostawowe synchroniczne śledzenie oparte na uczeniu głębokim do obiektywnej ilościowej kinematyki ruchowej kończyn tylnych u szczurów

Przeglądaj więcej filmów