April 3rd, 2026
Этот протокол устанавливает конвейер кинематической оценки задних конечностей крысы с использованием теста на беговой дорожке без маркеров с автомаркировкой многосуставной траектории на основе глубокого обучения, что позволяет воспроизводимо количественно оценивать движение.
Мы разработали беговую дорожку на базе искусственного интеллекта для отслеживания перемещений крыс, что помогает нам точно оценить восстановление после травмы спинного мозга. В отличие от традиционных методов с отпечатком, которые требуют сложной экономики суставов, наша имитация ИИ напрямую отслеживает перемещения нескольких суставов. Для начала включите промышленный компьютер и запустите программное обеспечение для видеозаписи и анализа.
Расположить объектив камеры перпендикулярно продольной оси беговой дорожки, чтобы получить строго боковой обзор, сохраняя горизонтальное рабочее расстояние 15 сантиметров от плоскости пояса беговой дорожки. Далее запишите вес тела каждой крысы с помощью электронных весов. Включайте только крыс с одинаковым весом тела, чтобы минимизировать влияние на размер тела.
Наденьте перчатки и аккуратно возьмите крысу. Обмотайте эластичный ремень на груди вокруг переднего подмышки и прикрепите его к регулируемой направляющей направляющей. Затем отрегулируйте ремень так, чтобы можно было вставить один палец, не затрудняя дыхание.
На сенсорном экране установите скорость 150 миллиметров в секунду и наклон на 0 градусов. Проведите 10-минутную сессию адаптации, чтобы адаптировать крысу к уровню поддержки собственного веса, одновременно контролируя её на наличие признаков стресса и усталости, таких как нежелание двигаться и длительное испражнение. Подтверждайте успешную акклиматизацию, если крыса поддерживает непрерывную и равномерную походку не менее 60 секунд без волочки лапы и с естественно свисающим хвостом.
Исключать животных, которые не соответствуют этим критериям после максимального периода адаптации. Введите параметры формального эксперимента на сенсорном экране. Последовательно вводите желаемую скорость и наклон, затем выбирайте направление ленты на беговой дорожке.
После стабилизации выберите Начать запись, чтобы начать сбор данных. Непрерывно фиксируйте как минимум пять полных циклов аллюры. В конце каждого испытания снижайте скорость до нуля миллиметров в секунду.
Отстегните грудной ремень и верните крысу в соответствующую клетку. Извлеките видеофрагменты длительностью примерно 10 секунд, содержащие целевую алюру с не менее 10 стабильными циклами. Зарегистрируйте информацию о крысе, включая идентификационный номер, группу и экспериментальные условия.
Импортируйте MOV-файл в программу для анализа. Нормализуйте каждый цикл походки с нуля до 100%, чтобы стандартизировать длину цикла. Генерируйте репрезентативные изображения для иллюстрации динамики походки.
Экспортируйте координаты пространственного положения каждого соединения во времени в формате csv-файла для дальнейшего анализа. После завершения моделирования на животных имплантируйте электрофизиологическое устройство для записи. Для записи сигналов мозга разместите электроды на поверхности черепа, эпидуральном пространстве или коре головного мозга для записи сигналов мозга.
Для записи в спинной мозг вставляйте записывающие электроды в эпидуральное пространство межпозвоночного отверстия. Для записи электромиографии загревайте биполярные серебристые провода в целевые мышцы для фиксации электрической активности мышц. Дайте животному восстановиться в течение пяти-семи дней после имплантации.
Проверяйте рану и походку ежедневно, чтобы не было признаков инфекции или боли перед тестированием на беговой дорожке. Подготовьте оборудование и животное перед синхронизированным экспериментом. Затем синхронизируйте получение электрофизиологических данных с видео движения, чтобы убедиться, что оба имеют одинаковую временную метку.
Выравнивайте нейронные сигналы с соответствующими видеокадрами во время анализа, чтобы визуализировать электрофизиологические паттерны на разных фазах походки. Крысы с травмой спинного мозга демонстрировали значительную потерю свинга и неправильные кривые смещения подвздошной кости. Крысы с травмами спинного мозга демонстрировали более высокие колебания угла суставов по сравнению со здоровыми крысами.
Тепловая карта диапазона движения суставов показала значительное снижение цветовой шкалы у крыс с травмами спинного мозга по сравнению со здоровыми крысами, а карта активности траектории показала значительное сокращение амплитуды движений каждого сустава, а также нарушение непрерывности движений. У крыс с травмой спинного мозга карта точечного облака показала повышенную дисперсию и смещение центра масс влево. Диаграмма высотного водопада показывает бимодальное распределение вдоль оси x между группами с общим падением разницы в середине движения.
Для оси y в начале движения наблюдается падение разности. Общее распределение различий хаотично, что указывает на аномальные фазы движения у крыс, получивших травму спинного мозга, по сравнению со здоровыми крысами. Вертикальное распределение высоты пальцев пальцев было смещено вправо у крыс с травмами спинного мозга.
Диаграмма диапазона скоростей показала, что совокупный диапазон скорости в каждом кадре был сужен в группе травм. Кроме того, у крыс, пострадавших от травм спинного мозга, также наблюдалось уменьшение площади фазовой плоскости, предполагаемого индекса пиковой силы силы и индикаторов плавности движения. Наша система позволяет исследователям точно измерять траектории нескольких суставов, распределение сил и плавность движения в реальном времени.
Важным моментом является тщательная адаптация крысы к беговой дорожке, чтобы обеспечить стабильность и анализировать походку. Мы можем синхронизировать систему с ЭМГ или ЭЭГ для расшифровки сигналов механизмов, стоящих за этим движением.
View the full transcript and gain access to thousands of scientific videos
This article presents a markerless, treadmill-based gait analysis system for rodents that leverages custom deep learning algorithms to enable real-time, multidimensional tracking of lower-limb joint kinematics. The system provides objective, high-throughput quantification of gait parameters under various experimental conditions, and is validated using spinal cord injury (SCI) models to demonstrate its sensitivity and utility in neuromuscular research.