Rastreando ratos em câmaras de condicionamento operantes usando uma versátil câmera de vídeo caseira e deeplabcut

Seguindo os métodos descritos neste protocolo, os pesquisadores poderão gravar e analisar vídeos de roedores realizando testes comportamentais complexos em câmaras de condicionamento operantes. O protocolo descreve como construir uma câmera de vídeo barata e usá-la juntamente com um software de rastreamento de código aberto. Esta é uma abordagem atraente para laboratórios com orçamento.

O método é valioso para projetos de pesquisa que envolvem condicionamento operístico em roedores. Como a análise de vídeo pode melhorar muito a compreensão dos comportamentos vistos neste tipo de testes. Comece anexando o anel de metal ao redor da abertura do suporte da câmera.

Em seguida, conecte o módulo da câmera ao suporte usando as porcas e parafusos que acompanham o kit. Abra as portas do cabo de fita no módulo da câmera e no microcomputador, agrupando suavemente as bordas de seus lábios de plástico. Que fique com o cabo de fita na porta aberta do módulo da câmera para que os conectores prateados dos cabos enfrentem a placa de circuito.

Em seguida, bloqueie-o no lugar empurrando o clipe de plástico. Repita o processo com uma porta no microcomputador. Em seguida, conecte a lente olho de peixe ao anel de metal no suporte da câmera.

Coloque o microcomputador na caixa de plástico e insira o cartão micro SD listado. Em seguida, conecte um monitor, teclado e um mouse ao microcomputador e comece conectando sua fonte de alimentação. Abra uma janela terminal e digite o hífen sudo apt, obtenha atualização.

Em seguida, pressione a tecla enter. Próximo tipo sudo apto atualização de hífen completo e pressione enter. No menu iniciar, selecione preferências e configurações pi de framboesa.

Quando a janela abrir, vá para a guia interfaces e habilite a câmera e o I2C, clique em ok. Copie o arquivo suplementar um em um cartão de memória USB. Em seguida, transfira-o para a pasta PI doméstica dos microcomputadores e renomeie-o.

Abra um tipo de janela terminal pseudo nano slash etc, corte RC ponto local e pressione enter. Use as teclas de seta dos teclados para mover o cursor para baixo para o espaço entre fi e saída zero. Em seguida, adicione texto para fazer o computador iniciar o script copiado.

E os LEDs infravermelhos, sempre que ele inicial. Salve as mudanças pressionando o controle e X seguido por Y e digite. Próximos resistores de solda e cabos de jumper femininos nas pernas de dois LEDs coloridos.

Soldar cabos de jumper femininos em dois interruptores de botão. Em seguida, conecte os interruptores leds coloridos e o módulo de led infravermelho listado às extremidades do aro GPI dos computadores. Quando conectado corretamente, um led indicará que a câmera está ligada e pronta para ser usada.

Enquanto o outro indica que a câmera está gravando um vídeo. O botão com os cabos longos é usado para iniciar e parar gravações de vídeo. Enquanto o botão com esses cabos curtos é usado para desligar a câmera.

Defina o protocolo para usar a luz da casa de câmaras operárias como um indicador de um passo específico no protocolo. Em seguida, defina o protocolo para registrar todos os eventos de interesse com datas-hora em relação a quando este indicador de etapa de protocolo se torna ativo. Coloque a câmera em cima das câmaras operantes e comece conectando-a a uma tomada elétrica através do cabo de alimentação.

Use o botão previamente conectado para iniciar e parar gravações de vídeo. Quando as gravações de vídeo estiverem terminadas, conecte a câmera a um monitor, mouse de teclado e dispositivo de armazenamento USB e recupere os arquivos de vídeo de sua área de trabalho. Use a função de captura de quadros DeeplabCuts para extrair de 700 a 900 quadros de vídeo de um ou mais dos vídeos gravados.

Certifique-se de que os quadros de vídeo selecionados exibem o animal em diferentes posturas, estacionárias com a cabeça externa e interna das aberturas e movendo-se em direções diferentes. Use a caixa de ferramentas de rotulagem para marcar manualmente a posição da cabeça do rato em cada quadro de vídeo, colocando uma etiqueta de cabeça em uma posição central entre as orelhas do rato. Também rotule outras partes do corpo que possam ser de interesse.

Além disso, marque uma posição do indicador de etapa de protocolo em cada quadro de vídeo onde ele está brilhando ativamente. Em seguida, use o conjunto de dados de treinamento criar e treinar funções de rede para criar um conjunto de dados de treinamento a partir dos quadros de vídeo rotulados e iniciar o treinamento de uma rede neural. Quando uma rede neural for treinada, use-a para analisar os vídeos reunidos.

Isso criará um arquivo CSV listando as posições de faixa da cabeça do rato, outras partes de interesse do corpo e o indicador de etapa de protocolo em cada quadro de vídeo. Além disso, ele criará arquivos de vídeo marcados onde as posições da faixa são exibidas visualmente. Para obter coordenadas de pontos de interesse específicos dentro das câmaras operantes, marque-as manualmente como descritas anteriormente e recupere as coordenadas do arquivo CSV que é automaticamente armazenadas sob dados rotulados na pasta do projeto.

Note, em que o vídeo segmenta o indicador de etapa de protocolo é rastreado dentro de 60 pixels da posição obtida manualmente na seção anterior e extrair o ponto de partida exato para cada período em que o indicador está ativo. Use os pontos onde o indicador de etapa de protocolo se torna ativo e os horários registrados pelas câmaras operáveis. Para determinar quais segmentos de vídeo cobrem eventos específicos do protocolo de teste, como intervalos de inter-ensaio, respostas ou recuperações de recompensas.

Observe os quadros de vídeo que cobrem quaisquer eventos de interesse específico. Por fim, realize uma análise aprofundada relevante da posição e dos movimentos do animal, durante esses eventos. A lente de olho de peixe da câmera deve permitir que ela capture uma visão completa do interior da maioria das câmaras de condicionamento operantes de roedores.

Usando uma fonte adequada de iluminação infravermelha, a câmera também permitirá a captura de vídeo em completa escuridão. Uma rede bem treinada deve permitir mais de 90% de precisão ao rastrear a cabeça de um animal. O rastreamento preciso é claramente identificável por marcadores que seguem um animal ao longo de seus movimentos e caminhos traçados aparecendo suaves.

Em contraste, o rastreamento impreciso é caracterizado por marcadores que não permanecem de forma confiável no alvo e por caminhos traçados irregulares. Como resultado desse rastreamento impreciso normalmente causa mudanças bruscas nas velocidades de movimento calculadas. Ao rastrear onde um animal está localizado durante uma sessão de teste, pode-se avaliar como padrões de movimento distintos se relacionam com o desempenho.

Como exemplo, no teste de tempo de reação em série de cinco opções, os movimentos da cabeça durante o intervalo entre ensaios, podem ser usados para separar testes de emissão onde o animal mostra um interesse limitado em realizar uma resposta. A partir de uma missão de testes onde o animal simplesmente não percebe a breve luz. Além disso, investigar movimentos de cabeça pode permitir a detecção e caracterização de diferentes estratégias de atenção.

Ao tentar este procedimento, é importante que o indicador de etapa de protocolo seja confiável. E que a rede neural é treinada com um mergulho de quadros de vídeo. Para garantir um rastreamento preciso.