En roman enkelt dyr motorik Tracking System ved hjælp af enkle, let tilgængelige Software

Summary

Den nuværende undersøgelse havde til formål at automatisere kvantificering af motor underskud i rotter. Den indledende vurdering model vurderer motor tab som følge af en intracortical mikroelektrode implantation i den motoriske cortex. Vi rapport om udvikling og anvendelse af en tracking algoritme ved hjælp af let at tilpasse, enkel og let tilgængelige kodning software.

Abstract

Vi har for nylig påvist, at implantere intracortical microelectrodes i den motor corteces af rotter resulterer i øjeblikkelig og varig motor underskud. Motoriske handicap blev manuelt kvantificeret gennem en åben mark gitter test til at måle den grov motorik og gennem en stigen test til at måle den fin motorik. Her diskuterer vi en teknik til automatiseret kvantificering af de video-optaget test ved hjælp af vores brugerdefinerede Capadona adfærdsmæssige Video analysesystem: gitter og stigen Test eller BVAS. Udnyttelse af simple og let tilgængelige kodning software (Se Tabel af materialer), dette program giver mulighed for sporing af et enkelt dyr på både åben feltgitteret og stigen tests. I åbne feltgitteret tracking, kode tærskler video for intensitet, sporer position af rotte over 3 min varighed af nettet test, og analyserer sti. Derefter beregner og returnerer målinger for den samlede afstand, den maksimale hastighed opnået, antallet af venstre - og højrehåndede sving og det samlede antal gitterlinjer, der krydses af rotten. I-stigen, sporing, kode igen tærskler video for intensitet, registrerer bevægelser af rotte på tværs af stigen, og returnerer beregnede målinger inklusive den tid, det tog rotten at krydse stigen, antallet af pote smutter forekommer under plan af de stigetrin, og forekomsten af fejl på grund af stagnation eller tilbageførsler. Vi forestiller os, at BVAS udvikles her kan anvendes til analyse af motorik i en lang række applikationer, herunder mange skade eller sygdom modeller.

Introduction

Der er mange etablerede metoder til at vurdere både funktionelle og adfærdsmæssige motor og kognitive funktionsnedsættelser^1,2,3. Nogle af de mere almindeligt ansat metoder omfatter test fin motorik via pote placering, stepping og lemmer koordinering på en stigen test⁴, test grov motorik og stress adfærd via feltet åben gitter test^{5 ,6}, og testning for angst, depression og fortvivlelse via den tvungne svømme test^7,8 eller rotor stang⁹. Men mange af disse metoder er afhængige af menneskelige forskere at "score" dyret eller at vurdere dens ydeevne subjektivt. Behovet for en subjektiv vurdering af menneskelige kan bremse generation og analyse af data, samt præsentere mulighed for en forsætlig eller uforsætlig indflydelse af forskning bias i undersøgelsen¹⁰. Yderligere, subjektive vurdering af data præsenterer også risikoen for unøjagtige data repræsentation, det være sig gennem glemsomhed, dårlige motivation, forkert uddannelse eller uagtsomhed¹¹.

Vi har for nylig rapporteret anvendelse af både en åben mark gitter test og en stigen test i rotter implanteret med intracortical microelectrodes^12,13. På grund af nyhed om resultaterne af disse undersøgelser, vi straks begyndte at ansætte dem, og yderligere funktionelle test i mange igangværende undersøgelser i laboratoriet. I forventning om utilsigtede menneskeskabte variation som følge af en stigning i antallet af subjektive evaluatorer, og at forbedre den analyse overførselshastighed, satte vi sig for at oprette en automatiseret, computer-assisteret program til at score adfærdsmæssige test, og stærkt begrænse mulighederne for fejl.

Her, rapport vi om udviklingen af BVAS. BVAS bruger computer analyse for at score en åben mark gitter test og en stigen test som målinger af grov og fin motorik, henholdsvis. Resultaterne kan bruges til at belyse mulige motorik underskud forårsaget af skade eller sygdom, uanset model skade eller sygdom. Analyse koder kan tilpasses til at afspejle ændringer i adfærdsmæssige test udstyr eller at score forskellige målinger af motorik. Derfor, BVAS kan gennemføres i mange applikationer, ud over vores anvendelsesformål eller den påtænkte anvendelse af dem, der i øjeblikket er ansat af andre laboratorier.

Bemærk, at feltet åben gitter og stigen tests kræver videooptagelse. Derfor vil hver test kræver en video kamera [1080 p, minimum 15 frames per sekund (fps)], en laptop og en plads til at gemme video data. For begge tests, skal du placere kameraet i en centrerede position, giver mulighed for hele apparatet skal ses på rammen. Anker kameraet på et stativ eller stilladser, således at den ikke bevæger sig under afprøvningen. Holde kanterne af videobilledet på det sted så tæt på parallelt med kanten af den testapparater som muligt. Være sikker på det samme personale udføre alle test og rummet er veloplyst med en temperatur-kontrolleret system. Brug den samme rum for alle dyr i hele løbet af testning med minimale ændringer til rummet. Korn eller banan chips gøre gode belønninger at tilskynde dyr at fuldføre adfærd tests.

Protocol

Alle procedurer og dyrs pleje praksis blev godkendt og udført i overensstemmelse med Louis Stokes Cleveland afdeling af veteraner anliggender medicinsk Center institutionelle dyrs pleje og brug udvalget. Den adfærdsmæssige prøvningsprotokol følger nøje tidligere offentliggjorte arbejde^12,13.

1. adfærdsmæssige test: Filme opgaver

Bemærk: Her, dyrene blev testet for 8 uger til at opdage enhver kronisk adfærdsmæssige ændringer. Undersøgelse varighed er afhængig af program/skade/sygdom model bruges til undersøgelsen.

1. Åbn gitteret feltafprøvning
   Bemærk: Gitter test har en 1 m² område med 40 cm vægge og byggede huset. Bunden er opdelt i ni pladser via brogede bånd (fig. 1A). For anvendelse af den automatiske BVAS er det vigtigt, at farven på linjen og gitteret kontrast med rotten. Her, blev hvid Sprague Dawley rotter brugt; således, gitterbaggrund var malet sorte, og linjerne blev skabt med lyse pink bånd.
   1. Forsøgsdyr 2 x pr uge for alle tests herunder uge før undersøgelsen for at skabe en baseline score til brug i senere beregninger.
   2. Ren alle test udstyr med en klor kuldioxid-baseret sterilant i begyndelsen af hver test session og mellem hvert dyr.
   3. Bringe dyr til rum for afprøvning og tillade dem at tilpasse sig til plads til 20 min før start i forsøg.
   4. Begynde at filme og placere dyret i midten af gitter, vender væk fra forsker, at begynde gitter test.
   5. Tillad dyret at køre frit i 3 min, mens bliver video optaget fra oven.
   6. Stoppe optagelserne når 3 min periode er afsluttet og returnere dyret til sit hjem bur. Ren gitter med en klor kuldioxid-baseret sterilant, pasning fuldt tørre overflader før testning. Teste hvert dyr 1 x pr. session.
2. Stigen test
   Bemærk: Stigen test blev bygget in-house og består af to akryl sidevægge, hver 1 m i længde, forbundet med 3 mm diameter trinene fordelt på 2 cm mellemrum (figur 2). Dyr, der kræver en træningsuge stigen før du begynder den officielle kontrol. Der er ingen forskel mellem uddannelsen og den prøvningsprotokol. Bemærk, at uddannelsen ikke behøver at blive filmet.
   1. Til brug med BVAS, dække væg bag stigen med en sort plakat bord og afgrænse niveau af trinene, start og slut linjer med lyse bånd til at skabe en kontrast med hvid rotter.
   2. Forsøgsdyr 2 x pr uge for alle tests herunder ugen før begynder undersøgelse for at oprette en baseline score til brug i senere beregninger.
   3. Ren alle test udstyr med en klor kuldioxid-baseret sterilant i begyndelsen af hver test session og mellem hvert dyr.
   4. Bringe dyr til rum for afprøvning og tillade dem at tilpasse sig til plads til 20 min før start i forsøg.
   5. Placere dyret i en ren midlertidig bur inden stigen afprøvning.
      Bemærk: En midlertidig bur er en kortsigtet bur til at holde dyret, mens dyrets hjem bur bruges i slutningen af stigen. Der er ingen alder bias som alle dyr, der anvendes i undersøgelsen er på samme alder og komplet test i den samme periode. Det objekt, her er en naiv dyr har aldrig modtaget kirurgi.
   6. Indstille Apparatet stigen til at span to bure; start bur er en ren bur, og slutningen bur er dyrets levende bur, et incitament til at fuldføre køre.
   7. Anbring kameraet på et stativ, centreret om længden af stigen. Udvide stativ, så linsen af kameraet er på højden af stigetrin. Placere kameraet, så trinene er præcist afstemt med linsen som dette er vigtigt for slip opdagelse algoritme i BVAS kode.
   8. Starter videooptagelsen og tillade rotte at begynde at køre ved at holde deres forreste ben over de første trin af stigen. Tillad dyret til at bevæge sig ind på stigen uden hjælp.
   9. Tillad dyret flytter fra startlinjen til målstregen i deres eget tempo under optagelserne. Afslutte videooptagelsen og fjerne dyret fra stigen, når dyret har afsluttet flugt.
   10. Overveje at køre en mislykket køre hvis dyret vender rundt eller fortsat stagnerende for 20 s. udgangen video optagelsen og fjerne dyret fra stigen, hvis dyret ikke køre. Tildele en straf score for mislykkede kører, hvilket svarer til den langsomste tid registreres under pre-kirurgi baseline test.
   11. Sikre, at hvert dyr fuldender 5 kører pr. test dag og give dem en 1 min hviletid mellem hvert forsøg.
       Bemærk: I denne undersøgelse, var dyr testet 2 x om ugen i 8 uger. Tidsrammen er imidlertid op til forskeren.

2. fil opbevaring og navngivning

Bemærk: Koden BVAS bruger specifikt udpegede video fil og mappe navngivning konventioner, således at videoer kan være pålideligt parset og analyseret korrekt. Forskellige navnekonventioner understøttes ikke i øjeblikket. Efter afslutningen af en test session gemmes den video fil i standardplaceringen under et standardnavn.

1. Enkelte video navngivning
   1. Navngive hver video med dyrets betegnelse for alle gitter test videoer.
   2. Indsamle 5 stigen videoer pr. test session for hvert dyr. Vælg alle fem videoer og omdøbe den første video, ved hjælp af dyrets betegnelse. For eksempel, hvis dyrets navn er "C1NS", filerne er navngivet "C1NS (1)", "C1NS (2)", "C1NS (3)", osv.
2. Opbevaring mappe navngivning
   1. Tage videoer nu opkaldt efter hvert dyr og placere filerne i deres egen lagermappen. Navngive mappen ved hjælp af følgende konvention: "TestingWeek_TestMode_MM_DD_YY".
      Bemærk: For eksempel, hvis denne mappe indeholder den første uge af gitter videoer og blev filmet på januar 1^st, 2018, mappen holder disse videoer er opkaldt "Week1_GridTest_01_01_18".
   2. Sted dette specifikt navngivet mappe i en anden mappe, som vil betegne den større undersøgelse, som dette sæt eksperimenter tilhører.
      Bemærk: Der er ingen navngivning krav for mappe træ system til at holde undersøgelser og test tilstande organiseret. Den eneste mappe, vælger systemet er mappen holding videoer opkaldt taktfast 2.2.1.
3. Oprettelse af regneark
   1. Ved hjælp af en ekstern regnearksprogram (Se Tabel af materialer), oprette en ny tom regnearksfil til at gemme data for hver undersøgelse og test mode.
      Bemærk: Der er ingen navngivning eller opbevaring placering krav til denne fil. Hver undersøgelse kræver to regnearksfiler til brug sammen med systemet, en til gitter test og en til stigen test. Forlade disse filer tomme for nu.
   2. Kontroller for at sikre disse regnearksfiler ikke er åbne på alle computere, mens BVAS kører.
      Bemærk: Hvis BVAS forsøger at åbne en fil, der allerede er åben, vil dette resultere i en fejl.

3. system Installation

Bemærk: BVAS blev bygget og testet på PC fungerer systemer og udnytter Runtime komponenter fra enkle og lettilgængelige kodning software. Andre systemkonfigurationer understøttes ikke i øjeblikket.

1. Installation af nyeste BVAS version
   1. Køre installationsprogrammet ved at dobbeltklikke på symbolet installer mærket 'BVASX. XXinstaller'. "X.XX" er det aktuelle versionsnummer, i øjeblikket 'BVAS3.30installer'.
      Bemærk: Dette er open source-software. Kontakt den tilsvarende forfatteren til den nyeste version.
   2. Følg den på skærmen instruktioner i at installere BVAS.
      Bemærk: Installationsprogrammet vil indskrive ordningen efter den korrekte version af softwaren (fx., MATLAB Runtime) og hvis det ikke findes, det vil installere software fra internettet.
   3. Når først installeret, starte programmet ved at klikke på den 'BVAS.exe' fil.

4. systembrug

1. Åbne programmet
   1. Dobbeltklik på ikonet BVAS program til at opdrage den BVAS hovedmenuen, som giver mulighed for følgende indstillinger: 'Gitter analyse', 'Stigen analyse', 'Stigen anmeldelse' eller 'Quit'.
      Bemærk: Der er også en drop-down menuen i øverste venstre hjørne mærket 'E-mail indstillinger' (fig. 3A).
2. E-mail-indstillinger
   1. Klik på rullemenuen 'E-mail indstillinger' og først vælge 'Skift e-mail destination'.
   2. Angiv en foretrukne e-mail-adresse for at modtage opdateringer på analysen og vælge 'OK'. Vælg 'Annuller' for at ikke ændre den e-mail, der aktuelt er gemt.
   3. Klik på knappen 'Send Test E-mail' for at sende en test e-mail til den e-mail, der aktuelt er gemt i systemet. Tæt på 'Email sendt!' vindue pop-up tilkendegiver testens afslutning.
3. Feltet åben gitter Test analyse
   1. Vælg 'Gitter analyse' fra top menuskærmen.
   2. Sikre knappen mærket 'Indre Video/hele Session/seriernes afbildningsdata' viser hele sessionen for at fuldføre analysen på en hel række test session videoer.
   3. Udnytte '...' knappen ved siden af den øvre indtastningsfeltet til at gennemse filsystemet for at finde fil af videoer til at analysere. Vælg mappen mærket i typografien drøftet i trin 2.2.1.
   4. Udnytte den... knap ud for lavere input for at gennemse filsystemet for at vælge den regnearksfil til at lagre data.
      Bemærk: Bemærk at, samt udsende dataene til en regnearksfil, data om komplet sti for hver video er gemt i en datafil (.mat) i den samme mappe, der indeholder de videoer, der er valgt i trin 4.3.3.
   5. Sikre knappen nævnt i trin 4.3.2 er indstillet til 'Indre Video' at fuldføre analysen på en enkelt video.
   6. Udnytte den... knap ved siden af den øvre indtastningsfeltet til at gennemse filsystemet for at finde fil af videoen til at analysere.
   7. Udnytte den... knap ud for lavere input for at gennemse filsystemet for at vælge en mappe at gemme datafilen (.mat) at resultaterne fra en enkelt video analyse.
      Bemærk: Datafilen vil blive navngivet efter den video, som er opkaldt efter dyret.
   8. Vælg 'Output Data' fra toggle nævnt i trin 4.3.2. til at udlæse data fra et tidligere analyseret gitter video. Eksempler på denne plottede data er vist i tal 1B og 1 C.
   9. Udnytte den... knap ved siden af den øvre indtastningsfeltet til at gennemse filsystemet for at vælge en tidligere oprettet gitter video datafil. Vælg 'gå!«at skabe figuren plot og data.
      Bemærk: Denne funktion opretter også en tekstfil, hedder det samme og placeret i samme mappe som datafilen, der har dyret køre data i det.
   10. Når begge nødvendige filer er placeret, skal du vælge 'gå!» til at begynde den video analyse. Bemærk, at knappen 'tilbage' vil genåbne den øverste menu og knappen 'Afslut' vil lukke programmet helt. Vælg 'Debug Display' skifte til at vise en visuel repræsentation af tracking algoritme (tal 3 c og 3D).
   11. Vælg 'gå! " at starte analyse proces. Undersøge billeder af hver video på skærmbilledet reviewer. Brug knapperne 'næste' og 'Forrige' side, hvis der er mere end fem videoer.
   12. Vælg knappen 'Rediger' for at opdrage en menu til manuel, hvis der er ingen grønne linjer eller den grønne linje synes ikke at være i den korrekte plads omkring test-område. Du kan redigere hjørnerne, vælge knappen 'Rediger hjørner'.
       Bemærk: Skifter knappen 'Næste billede' det repræsentative billede til det næste billede af den pågældende video. Vælg knappen 'Næste billede', hvis rammen får automatisk er blokeret eller ude af fokus.
   13. Følg vejledningen til det repræsentative billede at vælge test-område og tryk 'Enter' ret til at afslutte udvælgelsesprocessen.
       Bemærk: De valgte grønne linjer bliver nu vist på det repræsentative billede.
   14. Vælg 'gjort' gemme markeringen og vende tilbage til skærmbilledet reviewer.
   15. Vælg center 'udført' knappen for at starte komplet analyse proces, når gitteret i området for hver video er markeret korrekt. Tillad, at programmet til at køre, og ved afslutningen, en succes prompt vises.
       Bemærk: Den fulde analyse af en samling af videoer kan tage nogen tid, ca. 10 min. pr. dyr.
4. Stigen test analyse
   Bemærk: Protokol for den første stige test analyse er meget lig den protokol, der er skitseret i trin 4.3.10–4.3.15. De bemærkelsesværdige forskelle inden disse skridt er som følger:
   1. Vælg 'Stigen analyse' fra top menuen for at åbne menuen stigen analyse.
   2. Se de to muligheder i skifte, 'Indre Video' og 'Hele Session' (fig. 3B).
   3. Med 'Hele sessionen', Vælg øverst input... knappen for at vælge mappen med stigen videoer opkaldt i skridt 2.2.1.Select nederst... knappen for at vælge en mappe til at gemme en mappe med data fra stigen videoer at gennemse senere.
   4. Hvis 'Indre Video' er valgt, skal du vælge en enkelt video fil med øverst... knap og en placering den samme som i trin 4.4.3.
   5. Vælg 'gå!' at starte analyse proces og opdrage stigen test område reviewer skærmen.
   6. Følg trin 4.3.10–4.3.15 på samme måde for stigen som for gitteret. Tillad, at programmet til at køre, og ved afslutningen, en succes prompt vises.
      Bemærk: Hvis noget går galt under analysen, sendes en e-mail til den e-mail-adresse, der er angivet i trin 4.2.2. Ved afslutningen af en analyse af enhver art sendes en afslutning e-mail til samme e-mail-adresse.
5. Stigen billede anmeldelse
   Bemærk: Følgende protokol er at gennemgå tidligere analyseret stigen videoer for at bekræfte eventuelle fejl og paw underkjoler. Bemærk, regnearksfiler til en overskridelse af stigen ikke er genereret for at se 'Stigen billedet Review' (trin 4.5.1–4.5.5) er fuldført.
   1. Fra den øverste menu, Vælg 'Stigen billedet Review'. Dette bringer op stigen gennemgang fil vælge skærm.
   2. Vælg top... knappen for at vælge mappen for datafilerne.
      Bemærk: Filerne gemmes på den placering, der er valgt i trin 4.4.2 og navngives i følgende format: "M1_D1_Y1 stigen Video Session HH_MM M2_D2_YYYY". M1, D1 og Y1 er datoen for sessionen ved at blive analyseret. "Stigen Video Session" vil læse "Enkelt videoanalyse" hvis blot en enkelt video blev analyseret. HH_MM og M2_D2_YYYY er den tid og dato, anmeldelse session blev startet.
   3. Vælg bunden... til at vælge den regnearksfil, der oprettes for undersøgelsen.
   4. Vælg 'gå! " at starte manuel gennemgangsprocessen.
   5. Se menuen automatisk åbnede stigen data reviewer. Påvises der en slip, bruge 'Næste billede' og 'Sidste ramme' knapper at tjekke nogen fortløbende indspillet rammer hvis det er tilgængeligt.
   6. Udnytte slip skifte for at betegne, hvad foden af rotten har gled. Forlade skift på 'No Slip' Hvis påvisning er en falsk positiv. Klik på 'Save/Fortsæt' for at gå videre til den næste registrering (fig. 2A).
   7. I tilfælde af fejl, skal du bruge Skift til at betegne om skyldes vending (hvor rotten vendte rundt i tiden) eller stagnation (hvor rotten mislykkedes at fuldføre flugt i tide).
   8. Klik på 'Save/Fortsæt' videre til den næste afsløring. På den sidste registrering, skal du klikke på 'Save/Fortsæt' for at fuldføre analysen og gemme data til regnearksfil valgt tidligere. Afskedige afslutning varsel.
      Bemærk: Efter revisionen er afsluttet, omdøbt den mappe, der blev gennemgået "GENNEMGIK M1_D1_Y1 stigen Video Session HH_MM M2_D2_YYYY".

5. output dataanalyse

1. Gitter regnearksfil
   1. Find den oprettede data i regnearksfilen fra hver video gitter.
      Bemærk: Kolonnerne er venstre til højre som følger: dyr navn, dato for prøven, uge undersøgelse nummer, samlede afstand rejste, samlede tid stoppede, maksimale hastighed opnået, lige tænder, venstre vender og linje krydser (fig. 1D).
   2. Brug disse målinger til at kvantificere de brutto motorisk præstation og oprette sammenligning grunde mellem dyr og tidspunkter.
2. Stigen regnearksfil
   1. Find de oprettede data i regnearksfil fra hver stigen video efter fiaskoen og paw slip anmeldelse.
      Bemærk: Kolonnerne er venstre til højre som følger: dyr navn, køre nummer 1-5, uge af undersøgelsen tal, dato for test, køre type (enten succes eller fiasko), tidspunktet for run for succeser, procent fuldførelse, paw glider på hver pote, og svigt. Kolonnen tid er tom for en fiasko og kolonnen fiasko tilstand vil læse enten tilbageførsel eller stagnation (figur 2B).
   2. Brug disse målinger til at kvantificere de fine motorisk præstation og oprette sammenligning grunde mellem dyr og tidspunkter.

Representative Results

Efter de metoder, der præsenteres her, rotter afsluttet åbne feltgitteret og stigen test 2 x pr uge. Dataene blev analyseret både ved hjælp af BVAS, og manuelt med et stopur af uddannede og novice korrekturlæsere. Resultaterne præsenteres er et gennemsnit af de rå ugentlige scorer fra en enkelt ikke-implanteret kontrol dyr over en 8 ugers undersøgelse, hvor uge "0" svarer til den oprindelige test. Bemærk der var ingen test i løbet af uge 1 som det var ugen resten for kirurgi dyr. Fordi den åbne feltgitteret er testet 1 x pr. dag, stigen er testet 5 x om dagen, og der er to test dage pr. uge, er der en prøve af 16 forsøg for åben feltgitteret, mens der er 80 forsøg til stigen test i den samme 8 ugers periode.

BVAS vs manual analyse:
For at bekræfte sammenhængen i BVAS systemet og validere det mod manual analyse, resultaterne for gitterlinjer, der krydsede og stigen krydser tid sammenlignet med de manuelle resultater fra tre ekspert korrekturlæsere (n = 3) som en "guld standard." Nybegyndere (n = 7) også gennemgået data både manuelt og ved hjælp af BVAS. For validering, hver korrekturlæser undersøgt den samme ene dag eksperimenter for et dyr (gitter test = én video/trial; stigen test = fem uafhængige forsøg). Resultaterne for feltet åben gitter test viste, at ekspert anmeldere var mere konsekvent end novice anmeldere var (en afvigelse af 0 versus en varians af 17.1, henholdsvis), men når du bruger BVAS, der var nul varians for både ekspert og uerfarne brugere ( Figur 4 A). tilsvarende resultater for stigen test viste, at ekspert anmeldere var mere konsekvent end novice anmeldere var (~3.5x større: en afvigelse af 0.120 versus en varians af 0.414, henholdsvis), men når du bruger BVAS, der var igen nul varians for både ekspert og uerfarne brugere (fig. 4B).

Derfor, hvor muligt, opførsel målinger for både friland gitter og stigen test var kvantificeret manuelt ved samme ekspertbrugeren og i forhold til resultatet genereret ved hjælp af BVAS. Her, blev resultater fra alle involverede dyr i hele varigheden af forsøgene evalueret. Alle fejl er rapporteret som en standard fejl af middelværdien (SEM) medmindre rapporteret ellers. Forskellen mellem de to metoder varierede fra et gennemsnit på 0,64 ± 0,06 s for stigen test og 3.56 ± 0,53 linjer for gitter test. Den gennemsnitlige forskel for feltet åben gitter test i løbet af 8 uger mellem de to metoder var 11.13 ± 3,03%. Den gennemsnitlige forskel for stigen test i løbet af 8 uger mellem de to metoder var 9.05 ± 1,07%. Den procentvise forskel mellem de to metoder blev beregnet efter ligningen 1.

Ligning 1:

Bemærk også for stigen test timing, den manuelle dataindsamling er kun præcis 1 s (som kan ændre baseret på den enhed, der bruges til at holde tiden), mens BVAS er præcis til inverse af frame rate af videoen ved at blive gennemgået. For eksempel, hvis videoen er filmet på 15 billeder per sekund, er BVAS data præcis til 1/15^th af et sekund.

Feltet åben gitter test:
Efter tidligere offentliggjort protokollerne^12,13, dyr fik lov at løbe frit i et åbent felt gitter test for 3 min til at måle deres grov motorik og understrege adfærd. Video optaget under afprøvningen blev analyseret ved hjælp af BVAS til at kvantificere de rå scores for den maksimale hastighed, den samlede distance, antallet af gitterlinjer krydsede og procentdelen af højresving opnåede af dyret (figur 5). Mens disse data er kun repræsentant for et dyr, blev tendenser set i løbet af studiet af øget maksimale hastighed opnået, øget samlede afstand rejste, og et øget antal gitterlinjer krydsede. Ikke overraskende, i forhold til hinanden, den samlede afstand rejste, og den samlede gitterlinjer krydsede havde en stærk positiv sammenhæng. Sammenligne manuel kvantificering til BVAS gitterlinje kvantificering afslørede sammenlignelige resultater (figur 5C). For denne særlige dyr svævede procentdelen af højresving i vid udstrækning mellem 40% og 50% (fig. 5D). Af note kunne målinger for samlede afstand rejste, maksimal hastighed og drej retning ikke kvantificeres manuelt, og repræsenterer en anden tilføjede indslag af den automatiserede BVAS program.

Stigen test:
Som tidligere rapporteret^4,14, blev stigen test udført for at måle koordineret greb og fin motorik. Video optaget under afprøvningen blev analyseret ved hjælp af BVAS til at kvantificere de rå scores for tid til at krydse og antallet af pote underkjoler (figur 6). I dette dyr var der en faldende tendens i tiden til at krydse stigen, efterfulgt af en stigning i tid starter omkring uge 4. Sammenligne manuel kvantificering til BVAS afslørede passage tid kvantificering sammenlignelige resultater (fig. 6A). Som de dyr, som var en ikke-kirurgisk kontrol, var pote underkjoler sjældne og sammenlignelige i tal mellem venstre og højre pote (fig. 6B).

Figur 1 : Eksempel på åben mark gitter testresultater. (A) dette panel viser den adfærdsmæssige test 1 m² åbne test område med en sort baggrund og pink gitterlinjer. (B) Dette er et eksempel på et plot af et enkelt dyr 3-min gitter køre. Dette dyr lavet et kredsløb af gitteret og derefter forblev for det meste stationære for resten af tiden. Den røde O og X'er betegne hvor turn opdagelse algoritme opdaget en venstre (O) eller en (X) højresving. (C) Dette er et andet eksempel på et plot af et enkelt dyr 3-min gitter køre. Dette dyr var yderst aktiv for den hele 3-min test periode. Den røde O og X'er betegne hvor turn opdagelse algoritme opdaget en venstre (O) eller en (X) højresving. (D) Dette er et eksempel på output i datafilen til de to kørsler set i paneler B og C. Venligst klik her for at se en større version af dette tal.

Figur 2 : Eksempel på en stigen data reviewer skærm. (A) dette panel viser stigen data reviewer skærmen, komplet med et screenshot viser prøveopstillingen stigen. Denne skærm er, hvor brugeren vil bekræfte detekterede underkjoler og fiaskoer. Dette eksempel viser et positivt detekterede højre front pote slip. (B) Dette er et eksempel på output i datafilen til stigen køre der blev undersøgt i panelet A. Venligst klik her for at se en større version af dette tal.

Figur 3 : Eksempel på BVAS analyse skærme. (A) dette panel viser den øverste menu på BVAS. Bemærk de fire knapper langs bunden og E-mail indstillinger drop-down menuen i øverste venstre hjørne. (B) Dette er et eksempel på en filen skærmen til valg, i dette tilfælde til stigen video analyse. (C) Dette er et eksempel på en debug analyse fremviser en grid test video. Dette viser den opdagelse algoritme under analyse af en gitter test. (D) dette panel viser et eksempel på en debug analyse Seer nemlig en stigen test video. Dette viser den opdagelse algoritme under analyse af en stigen test. Venligst klik her for at se en større version af dette tal.

Figur 4 : Eksempel på ekspert og novice testresultater. Disse paneler viser resultaterne af en håndbog og en BVAS ekspert og novice testning for (A) antallet af gitterlinjer krydsede på friland gitter test og (B) tid til at krydse på stigen test. For begge tests viste resultaterne, at erfarne brugere havde en lavere varians end nybegyndere til manuel analyse, mens ved hjælp af BVAS resulteret i nul varians, uanset bruger ekspertisen. Standardafvigelsen er rapporteret. Venligst klik her for at se en større version af dette tal.

Figur 5 : Repræsentant åbne felt test Gitterresultater. Disse paneler viser repræsentative friland gitter testresultater for en ikke-implanteret kontrol dyr for (A) den maksimale hastighed opnået, (B) samlet afstand rejste, (C) det samlede antal gitterlinjer krydsede, og (D) den procentdel af højresving lavet af dyret. Venligst klik her for at se en større version af dette tal.

Figur 6 : Repræsentative stigen testresultater. Disse paneler viser repræsentative stigen testresultater for en ikke-implanteret kontrol dyr for (A) tid til at krydse stigen, og (B) antallet af højre - og venstre-forsiden-pote underkjoler. Venligst klik her for at se en større version af dette tal.

Discussion

Den mest kritiske del af protokollen til at sikre en stærk analyse er konsekvent optagelserne. Hvis videoerne er godt oplyst og filmet på den korrekte position som omtalt i den første del af protokollen, vil systemet kunne lave en præcis analyse. Som med enhver billedbehandling problem, vil arbejde i forbehandlingen gøre efterbehandling mere nøjagtige og enkel. Som sådan, vil og sørg for, at apparater og dyr er veloplyst i forbindelse med undersøgelser og eventuelle skygger eller andre bevægelse i rammen er holdt på et minimum betyde, at BVAS kan fungere på et højere niveau af nøjagtighed.

Protokollen præsenteres her kan bruges effektivt og reproducerbar analysere resultaterne fra både grov og fin motorik test i gnavere via en åben gitter og en stigen test. Desuden, reducerer det muligheden for menneskelige fejl eller bias i forbindelse med analyse, dataanalyse er stort set afsluttet af den selvstændig fungerende computer uden nogen brugerinput. På grund af denne funktion, kan BVAS system bruges med det samme niveau af nøjagtighed ved både ekspert og uerfarne brugere. Programmet BVAS er selvstændig kontrol, let at gennemføre, og billigt at bruge. Yderligere, kan koden være tilpasset til at passe en forsker individuelle behov. For eksempel, feltet åben gitter kode kan bruges til at analysere en række målinger herunder den samlede afstand, den maksimale hastighed opnået, og antallet af venstre og højre vender, og kunne sandsynligvis let modificeret til at spore i en vand-labyrint eller tvunget svømme t Spørg. Koden kan foretages yderligere ændringer for at tage højde for varierende rumbelysning, forskelle i gitteret og stigen stregfarve, og forskelle i dyr farve. Selv om den testapparater og BVAS koden præsenteres her var designet til brug i rotteundersøgelser, forventer vi, at enten kunne skaleres op eller ned til at blive brugt med forskellige størrelse dyr, selv om dette ikke er blevet verificeret til dato.

Som med alle adfærd og data analyse, er det vigtigt at bevare så stor konsekvens som muligt i løbet af undersøgelsen og efterfølgende analyser. Selv om den præsenteres BVAS reducerer nogen afhængighed af menneskelige input til dataanalyse, kan menneskelige varians spiller ind med den forsker, der arbejder med dyr og håndterer procedurer¹⁵. Derudover kan ændringer i test placering¹⁶ eller kabinet og dyrehold betingelser¹⁷ også indflydelse på resultaterne. Mens BVAS kan opdateres til konto til lys og kameravinkel, kan faktorer som lugter, personale eller kost kun regnskabsføres på tidspunktet for undersøgelsen. Derfor bør forskere tage forsigtighed at forblive så konsekvent som muligt i dyreforsøg og boligforhold, test personale og analytiske metoder, bl.a.

BVAS er roman på grund af dets sammensatte detection system. Hver ramme af videoen er passeret gennem flere billede filtre til at oprette binære masker alle kalibreret til at kigge efter rotten i rammen. Hver muligt rotte figur er derefter bedømt af systemet på dets sandsynligheden for at være rotten. Denne rating faktorer i størrelse, antallet af filtre figuren er fundet på, og den sidste kendte position og den forventede placering af dyret baseret på tidligere bane. Dette giver en stærk dyr opdagelse, der kan overvinde de fleste problemer, der opstår baseret på skygger og ændringer i belysning. I modsætning til nuværende kommercielt tilgængelige animalske sporingssystemer, denne metode kræver ikke nogen ændringer at dyret til at gøre den mere synlig og bruger en enkelt standard-hastighed webcam til videooptagelse. BVAS systemet er også en forbedring over konventionelle manuelt kvantificerede adfærd test fordi alle de målinger, der er udsendes måles objektivt fra videoer. En menneskelig kvantificerede adfærdsmæssige undersøgelse vil have nogle subjektivitet i naturen som forskeren beslutter, hvad der udgør en pote slip eller gitter linje tværs.

Systemet kræver en noget specifik opsætning at arbejde til sin fulde kapacitet. Mens det er muligt at tilpasse systemet til ændringer i apparatet, ville det i øjeblikket kræver nogle flydende i computer kodning for at redigere koden. Med nogle kodning flydende, er fejlfinding gjort nemt fordi fejlen bemærke e-mails indeholder en fuld fejl information udlæsning. Hvis videoerne tilføres systemet ikke er på den ideelle opløsning eller ramme satsen (1080 p, 15 fps), er brugeren advaret via en advarselsmeddelelse. Denne ændring vil påvirke nøjagtigheden af systemet, men det stadig kan køre på lavere opløsning videoer. Enhver belysning eller skygge problemer, der forårsager en fejl under analysen vil føre til en dynamisk fejl besked sendt til brugeren har indtastet e-mail. Brugeren kan derefter bruge debug viewer til at se den indramme af indramme analyse for at forstå hvad problemet opstod. Fejlmeddelelsen indeholder også en fejl rapport, så hvis det er en kodning problem, det kan løses blot.

I fremtiden kan BVAS systemet muligvis tilpasses yderligere uden kendskab til syntaks fra kodning software. Tilføjelse af en tracking indstillingsmenuen kan tillade brugeren at vælge farven på linjerne dyr og gitter, enkelt og bekvemt. Stigen test tracking vil også stige i nøjagtighed med den mulige tilsætning af en cascade objekt detektor i koden og en bedre stigen lysinstallationen skal ledsage stigen test og filme apparater. Vi forventer derfor, at BVAS systemet beskrevet her let kan gennemføres i et array af adfærdsmæssige og motoriske funktion opgaver spænder over en bred vifte af sygdom og skade modeller.

Materials

Name	Company	Catalog Number	Comments
Sprague Dawley rats, male, 201-225 g	Charles River	CD
Webcam HD Pro c920	Logitec	960-000764
Excel	Microsoft	N/A
Matalb 2017a, Computer Vision System Toolbox	Mathworks	N/A
Open field grid test	Made in-house at Case Western Reserve University	N/A
Ladder test	Made in-house at Case Western Reserve University	N/A