Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

تتبع الفئران في غرف تكييف Operant باستخدام كاميرا فيديو محلية الصنع متعددة الاستخدامات و DeepLabCut

Published: June 15, 2020 doi: 10.3791/61409
Automatic Translation
1, 1, 1, 1, 1
1Basal Ganglia Pathophysiology Unit, Dept. Experimental Medical Science, Lund University

Summary

يصف هذا البروتوكول كيفية بناء كاميرا فيديو صغيرة ومتعددة الاستخدامات ، وكيفية استخدام مقاطع الفيديو التي تم الحصول عليها منها لتدريب شبكة عصبية لتتبع موقع داخل غرف تكييفات أوبرالية. وهذا تكملة قيمة للتحليلات القياسية لسجلات البيانات التي تم الحصول عليها من اختبارات التكييفات.

Abstract

تستخدم غرف تكييف Operant لإجراء مجموعة واسعة من الاختبارات السلوكية في مجال علم الأعصاب. وتستند البيانات المسجلة عادة على اثار رافعة والأنف كزة أجهزة الاستشعار الموجودة داخل الغرف. في حين أن هذا يوفر نظرة مفصلة عن متى وكيف تقوم الحيوانات بتنفيذ استجابات معينة ، فإنه لا يمكن استخدامها لتقييم السلوكيات التي لا تؤدي إلى أي أجهزة استشعار. على هذا النحو ، فإن تقييم كيفية وضع الحيوانات نفسها والتحرك داخل الغرفة أمر نادر الحدوث. للحصول على هذه المعلومات، يجب على الباحثين عموماً تسجيل وتحليل مقاطع الفيديو. يمكن لمصنعي غرف التكييفات الأوبرالية عادةً تزويد عملائها بإعدادات الكاميرا عالية الجودة. ومع ذلك، يمكن أن تكون هذه مكلفة للغاية ولا تناسب بالضرورة غرف من مصنعين آخرين أو غيرها من الاجهزة اختبار السلوكي. يصف البروتوكول الحالي كيفية بناء كاميرا فيديو غير مكلفة ومتعددة الاستخدامات باستخدام مكونات إلكترونيات الهواية. كما يصف كيفية استخدام حزمة برامج تحليل الصور DeepLabCut لتتبع حالة إشارة الضوء القوي ، وكذلك موقف الفئران ، في مقاطع الفيديو التي تم جمعها من غرفة تكييف operant. الأول هو مساعدة كبيرة عند اختيار شرائح قصيرة من الاهتمام في أشرطة الفيديو التي تغطي جلسات اختبار كامل، والأخيرة تمكن من تحليل المعلمات التي لا يمكن الحصول عليها من سجلات البيانات التي تنتجها الغرف operant.

Introduction

في مجال علم الأعصاب السلوكي، يستخدم الباحثون عادة غرف تكييف أوبرالية لتقييم مجموعة واسعة من الميزات المعرفية والنفسية المختلفة في القوارض. في حين أن هناك العديد من الشركات المصنعة المختلفة لهذه النظم ، فإنها عادة ما تشترك في سمات معينة ولها تصميم موحد تقريبا1،2،3. الغرف عموما مربعة أو مستطيل الشكل، مع جدار واحد التي يمكن فتحها لوضع الحيوانات في الداخل، واحد أو اثنين من الجدران المتبقية التي تحتوي على مكونات مثل العتلات، فتحات كزة الأنف، صواني المكافآت، عجلات الاستجابة والأضواء من مختلف الأنواع1،2،3. وتستخدم الأضواء وأجهزة الاستشعار الموجودة في الغرف على حد سواء لمراقبة بروتوكول الاختبار وتتبع سلوك الحيوانات1،2،3،4،5. تسمح أنظمة التكييف الأورالية النموذجية بتحليل مفصل للغاية لكيفية تفاعل الحيوانات مع المعاملات المختلفة والفتحات الموجودة في الغرف. بشكل عام، يمكن تسجيل أي مناسبات يتم تشغيل أجهزة الاستشعار فيها من قبل النظام، ومن هذه البيانات يمكن للمستخدمين الحصول على ملفات سجل مفصلة تصف ما فعله الحيوان خلال خطوات محددة من الاختبار4،5. في حين أن هذا يوفر تمثيلاً واسعاً لأداء الحيوان، إلا أنه يمكن استخدامه لوصف السلوكيات التي تؤدي مباشرة واحد أو أكثر من أجهزة الاستشعار4،5. على هذا النحو ، فإن الجوانب المتعلقة بكيفية وضع الحيوان نفسه وتحركاته داخل الغرفة خلال مراحل مختلفة من الاختبار ليست موصوفة بشكل جيد6،7،8،9،10. هذا أمر مؤسف ، لأن مثل هذه المعلومات يمكن أن تكون ذات قيمة لفهم سلوك الحيوان بشكل كامل. على سبيل المثال، يمكن استخدامه لتوضيح لماذا أداء بعض الحيوانات بشكل سيء في اختبارمعين 6، لوصف الاستراتيجيات التي قد تطور الحيوانات للتعامل مع المهام الصعبة6،7،8،9،10، أو لتقدير التعقيد الحقيقي للسلوكيات البسيطةالمفترضة 11،12. للحصول على هذه المعلومات الصريحة، يتحول الباحثون عادة إلى التحليل اليدوي لمقاطع الفيديو6و77و88,و9و10,,و11.

عند تسجيل مقاطع الفيديو من غرف تكييفات operant ، يعد اختيار الكاميرا أمرًا بالغ الأهمية. وتقع الغرف عادة في مقصورات العزلة، مع بروتوكولات كثيرا ما الاستفادة من الخطوات حيث لا ضوء مرئي مشرقة3،,6،,7،,8،,9. ولذلك، فإن استخدام الأشعة تحت الحمراء (IR) الإضاءة في تركيبة مع كاميرا حساسة الأشعة تحت الحمراء ضروري، كما أنه يسمح الرؤية حتى في الظلام الظام. وعلاوة على ذلك، فإن المساحة المتاحة لوضع الكاميرا داخل حجرة العزل غالبا ما تكون محدودة جدا، وهذا يعني أن أحد يستفيد بقوة من وجود الكاميرات الصغيرة التي تستخدم العدسات مع مجال واسع من الرؤية (مثل، عدسات العين السمك)9. في حين أن الشركات المصنعة لأنظمة تكييف operant يمكن أن توفر في كثير من الأحيان عالية الجودة الاجهزة الكاميرا لعملائها، يمكن أن تكون هذه النظم مكلفة ولا تناسب بالضرورة غرف من الشركات المصنعة الأخرى أو الاجهزة لاختبارات سلوكية أخرى. ومع ذلك ، فإن فائدة ملحوظة على استخدام كاميرات الفيديو المستقلة هي أن هذه الاجهزة يمكن أن تكون في كثير من الأحيان واجهة مباشرة مع أنظمة تكييف operant13،14. من خلال هذا ، يمكن إعدادها لتسجيل أحداث محددة فقط بدلاً من جلسات الاختبار الكاملة ، والتي يمكن أن تساعد بشكل كبير في التحليل التالي.

يصف البروتوكول الحالي كيفية بناء كاميرا فيديو غير مكلفة ومتعددة الاستخدامات باستخدام مكونات إلكترونيات الهواية. تستخدم الكاميرا عدسة فيش، وهي حساسة لإضاءة الأشعة تحت الحمراء ولديها مجموعة من الصمامات الثنائية التي تنبعث منها الأشعة تحت الحمراء (المصابيح IR) المرفقة بها. وعلاوة على ذلك، تم بناؤها ليكون لها ملف مسطح ونحيف. معا، هذه الجوانب تجعل من مثالية لتسجيل أشرطة الفيديو من معظم غرف تكييف operant المتاحة تجاريا، فضلا عن غيرها من الاجهزة اختبار السلوك. كما يصف البروتوكول كيفية معالجة مقاطع الفيديو التي تم الحصول عليها بالكاميرا وكيفية استخدام حزمة البرامج DeepLabCut15،16 للمساعدة في استخراج تسلسلات الفيديو من الاهتمام وكذلك تتبع تحركات الحيوان فيها. هذا يتحايل جزئيا على سحب مرة أخرى من استخدام كاميرا مستقلة على الحلول المتكاملة التي تقدمها الشركات المصنعة للأنظمة تكييف، ويقدم تكملة لتسجيل السلوكيات يدويا.

وقد بُذلت جهود لكتابة البروتوكول في شكل عام لتسليط الضوء على أن العملية الشاملة يمكن تكييفها مع مقاطع الفيديو من اختبارات تكييف مختلفة. لتوضيح بعض المفاهيم الرئيسية، يتم استخدام مقاطع فيديو للفئران التي تقوم بإجراء اختبار وقت التفاعل التسلسلي (5CSRTT) 5-choice (5CSRTT)17 كأمثلة.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

وقد تمت الموافقة على جميع الإجراءات التي تشمل التعامل مع الحيوانات من قبل لجنة مالمو لوند الأخلاقية للبحوث الحيوانية.

1. بناء كاميرا الفيديو

ملاحظة: يتم توفير قائمة بالمكونات اللازمة لبناء الكاميرا في جدول المواد. كما يرجى الرجوع إلى الشكل 1، الشكل 2، الشكل 3، الشكل 4، الشكل 5.

  1. إرفاق حلقة معدنية مغناطيسية (التي ترافق حزمة عدسة عين السمك) حول افتتاح حامل الكاميرا (الشكل 2A). وهذا سيسمح لعدسة فيش أن توضع أمام الكاميرا.
  2. إرفاق وحدة الكاميرا إلى حامل الكاميرا(الشكل 2B). وهذا سيعطي بعض الاستقرار لوحدة الكاميرا وتوفر بعض الحماية للدوائر الإلكترونية.
  3. فتح منافذ الكاميرا على وحدة الكاميرا وmicrouteruter (الشكل 1) عن طريق سحب بلطف على حواف مقاطع من البلاستيك (الشكل 2C).
  4. ضع كابل الشريط في منافذ الكاميرا ، بحيث تواجه الموصلات الفضية لوحات الدوائر (Figure2C). قفل الكابل في مكان عن طريق دفع في مقاطع من البلاستيك من منافذ الكاميرا.
  5. ضع الكمبيوتر الصغير في حالة البلاستيك وأدخل بطاقة SD الصغيرة المدرجة (الشكل 2D).
    ملاحظة: ستعمل بطاقة SD الصغرى على أنها محرك الأقراص الصلبة للكمبيوتر الصغير وتحتوي على نظام تشغيل كامل. بطاقة SD الصغيرة المدرجة يأتي مع مدير التثبيت المثبتة مسبقا على ذلك (جديد خارج مربع البرمجيات (NOOBS). كبديل، يمكن للمرء أن يكتب صورة من أحدث نسخة من نظام تشغيل الحواسيب الصغيرة (Raspbian أو Rasberry Pi OS) إلى بطاقة SD صغيرة عامة. للحصول على المساعدة في هذا، يرجى الرجوع إلى الموارد الرسمية على شبكة الإنترنت18. من الأفضل استخدام بطاقة SD فئة 10 صغيرة مع 32 غيغابايت من مساحة التخزين. قد لا تكون بطاقات SD أكبر متوافقة تماما مع الحواسيب الصغيرة المدرجة.
  6. قم بتوصيل جهاز عرض ولوحة مفاتيح وماوس بالكمبيوتر الصغير، ثم قم بتوصيل مصدر الطاقة الخاص به.
  7. اتبع الخطوات التي يطالب بها دليل التثبيت لإجراء تثبيت كامل لنظام تشغيل الكمبيوتر الصغير (Raspbian أو Rasberry Pi OS). عندما تم تمهيد الكمبيوتر الصغير، تأكد من أنه متصل بالإنترنت إما من خلال كابل إيثرنت أو واي فاي.
  8. اتبع الخطوات الموضحة أدناه لتحديث حزم البرامج المثبتة مسبقاً في الكمبيوتر الصغير.
    1. فتح إطار المحطة الطرفية (الشكل 3A).
    2. اكتب "sudo apt-get update" (باستثناء علامات الاقتباس) واضغط على مفتاح Enter(الشكل 3B). انتظر حتى تنتهي العملية.
    3. اكتب "sudo apt كامل الترقية" (باستثناء علامات الاقتباس) واضغط على إدخال. قم بإجراء استجابات الزر عند المطالبة وانتظر حتى تنتهي العملية.
  9. ضمن القائمة ابدأ، حدد تفضيلات و Raspberry Pi التكوينات (الشكل 3C). في النافذة المفتوحة، انتقل إلى علامة التبويب الواجهات وانقر لتمكين الكاميرا و I2C. هذا مطلوب للحصول على عمل الكمبيوتر الصغير مع وحدات الأشعة تحت الحمراء LED.
  10. إعادة تسمية الملف التكميلي 1 إلى "Pi_video_camera_Clemensson_2019.py". نسخه على عصا ذاكرة USB، وبعد ذلك في الكمبيوتر الصغير /الصفحة الرئيسية / بي المجلد(الشكل 3D). هذا الملف هو برنامج نصي Python الذي يمكّن تسجيلات الفيديو التي يتم إجراؤها مع مفاتيح الزر المرفقة في الخطوة 1.13.
  11. اتبع الخطوات الموضحة أدناه لتحرير rc.local ملف الكمبيوتر الصغير. هذا يجعل الكمبيوتر بدء تشغيل البرنامج النصي المنسوخة في الخطوة 1.10 وبدء تشغيل IR المصابيح المرفقة في الخطوة 1.13 عند تشغيله.
    تنبيه: لا تعمل ميزة "البدء التلقائي" هذه بشكل موثوق مع لوحات الحواسيب الصغيرة غير الطراز المسرود.
    1. فتح إطار المحطة الطرفية، اكتب "سودو نانو / etc/rc.local" (باستثناء علامات الاقتباس) واضغط على إدخال. هذا يفتح ملف نصي (الشكل 4A).
    2. استخدام مفاتيح الأسهم لوحة المفاتيح لتحريك المؤشر إلى أسفل إلى المسافة بين "فاي" و "إنهاء 0" (الشكل 4A).
    3. إضافة النص التالي كما هو موضح في الشكل 4B، كتابة كل سلسلة من النص على سطر جديد:
      سودو i2cset -y 1 0x70 0x00 0xa5 &
      سودو i2cset -y 1 0x70 0x09 0x0f &
      سودو i2cset -y 1 0x70 0x01 0x32 &
      سودو i2cset -y 1 0x70 0x03 0x32 &
      سودو i2cset -y 1 0x70 0x06 0x32 &
      سودو i2cset -y 1 0x70 0x08 0x32 &
      sudo بيثون / الصفحة الرئيسية / بي / Pi_video_camera_Clemensson_2019.py &
    4. حفظ التغييرات عن طريق الضغط على Ctrl + x متبوعاً بـ y و Enter.
  12. لحام معا المكونات اللازمة كما هو مبين في الشكل 5A، وكما هو موضح أدناه.
    1. بالنسبة للالمصابيح الملونة اثنين، إرفاق المقاوم وكابل الطائر الإناث إلى ساق واحدة، وكابل الطائر الإناث إلى الآخر (الشكل 5A). في محاولة للحفاظ على الكابلات قصيرة قدر الإمكان. يحيط علما أي من الأقطاب LED هو واحد السلبية (عادة واحدة قصيرة)، وهذا يحتاج إلى أن تكون متصلا على الأرض على دبابيس إدخال/إخراج للأغراض العامة (GPIO) للكمبيوتر الصغير.
    2. لمفاتيح زر اثنين، إرفاق كبل الطائر الإناث إلى كل ساق(الشكل 5A). جعل الكابلات طويلة لأحد مفاتيح، وقصيرة للآخر.
    3. لتجميع وحدة IR LED، اتبع التعليمات المتوفرة على موارد الويب الرسمية19.
    4. تغطية المفاصل لحام مع تقلص أنابيب للحد من خطر قصر الدائرة المكونات.
  13. إيقاف تشغيل الكمبيوتر الصغير وتوصيل مفاتيح والمصابيح إلى دبابيس GPIO كما هو مبين في الشكل 5B، والموصوف أدناه.
    تنبيه: يمكن أن يؤدي توصيل المكونات إلى دبابيس GPIO الخاطئة إلى تلفها و/أو الكمبيوتر الصغير عند تشغيل الكاميرا.
    1. قم بتوصيل أحد مؤشرات LED بحيث تصل نهايته السلبية إلى #14 ويتصل طرفه الإيجابي #12. هذا الصمام سوف يلمع عندما تم تمهيد الكمبيوتر الصغير والكاميرا جاهزة للاستخدام.
    2. قم بتوصيل مفتاح الزر بكابلات طويلة بحيث يتصل أحد الكبلات لتثبيت #9 والآخر لتثبيته #11. يتم استخدام هذا الزر لبدء وإيقاف تسجيلات الفيديو.
      ملاحظة: تم كتابة البرنامج النصي الذي يتحكم في الكاميرا بحيث لا يستجيب هذا الزر لبضع ثوان فقط بعد بدء تشغيل أو إيقاف تسجيل فيديو.
    3. قم بتوصيل أحد مؤشرات LED بحيث تصل نهايته السلبية إلى #20 وتوصيل نهايته الإيجابية إلى #13. هذا الصمام سوف يلمع عندما الكاميرا هو تسجيل الفيديو.
    4. قم بتوصيل مفتاح الزر بالكابلات القصيرة بحيث يتصل أحد الكبلات لتثبيت #37 والآخر لتثبيت #39. يتم استخدام هذا التبديل لإيقاف تشغيل الكاميرا.
    5. قم بتوصيل وحدة IR LED كما هو موضح في موارد الويب الرسمية19.

2. تصميم بروتوكول تكييف operant من الفائدة

ملاحظة: لاستخدام DeepLabCut لتتبع تطور البروتوكول في مقاطع الفيديو المسجلة من الغرف الأوبرالية ، يجب أن يتم تنظيم البروتوكولات السلوكية بطرق محددة ، كما هو موضح أدناه.

  1. تعيين البروتوكول لاستخدام ضوء الغرفة منزل، أو إشارة ضوئية قوية أخرى، كمؤشر على خطوة محددة في البروتوكول (مثل بدء التجارب الفردية، أو جلسة اختبار) (الشكل 6A). سيتم الإشارة إلى هذه الإشارة على أنها "مؤشر خطوة البروتوكول" في ما تبقى من هذا البروتوكول. سيسمح وجود هذه الإشارة بتتبع تقدم بروتوكول الفيديو المسجل.
  2. تعيين البروتوكول لتسجيل كافة الاستجابات ذات الاهتمام مع الطوابع الزمنية الفردية فيما يتعلق عندما يصبح مؤشر خطوة البروتوكول نشطة.

3. تسجيل أشرطة الفيديو من الحيوانات أداء اختبار السلوك من الفائدة

  1. ضع الكاميرا على أعلى الغرف operant، بحيث يسجل وجهة نظر أعلى من داخل المنطقة(الشكل 7).
    ملاحظة: هذا مناسب بشكل خاص لالتقاط موقف الحيوانات العام وموقفها داخل الغرفة. تجنب وضع أضواء مؤشر الكاميرا ووحدة IR LED بالقرب من عدسة الكاميرا.
  2. ابدأ تشغيل الكاميرا بتوصيلها بمأخذ كهربائي عبر كابل الإمداد بالطاقة.
    ملاحظة: قبل الاستخدام الأول، من المفيد تعيين تركيز الكاميرا، باستخدام الأداة الصغيرة التي ترافق وحدة الكاميرا.
  3. استخدم الزر المتصل في الخطوة 1.13.2 لبدء تسجيلات الفيديو وإيقافها.
  4. قم بإيقاف تشغيل الكاميرا باتباع هذه الخطوات.
    1. اضغط مع الاستمرار على الزر المتصل في الخطوة 1.13.4 حتى يتم إيقاف تشغيل LED المتصل في الخطوة 1.13.1. يؤدي هذا إلى بدء عملية إيقاف تشغيل الكاميرا.
    2. انتظر حتى يتوقف مصباح LED الأخضر المرئي أعلى الكمبيوتر الصغير(الشكل 1).
    3. إزالة مصدر الطاقة في الكاميرا.
      تنبيه: يمكن أن يؤدي فصل مصدر الطاقة أثناء تشغيل الكمبيوتر الصغير إلى تلف البيانات الموجودة على بطاقة SD الصغيرة.
  5. قم بتوصيل الكاميرا بجهاز عرض ولوحة مفاتيح وماوس وجهاز تخزين USB واسترد ملفات الفيديو من سطح المكتب الخاص بها.
    ملاحظة: يتم تسمية الملفات وفقاً للتاريخ والوقت عند بدء تشغيل تسجيل الفيديو. ومع ذلك، لا يملك الكمبيوتر الصغير ساعة داخلية وتحديث إعدادات الوقت الخاصة به فقط عند الاتصال بالإنترنت.
  6. تحويل مقاطع الفيديو المسجلة من .h264 إلى . MP4 ، كما يعمل هذا الأخير بشكل جيد مع DeepLabCut ومعظم وسائل الاعلام اللاعبين.
    ملاحظة: هناك عدة طرق لتحقيق ذلك. واحد هو موضح في ملف تكميلي 2.

4. تحليل مقاطع الفيديو باستخدام DeepLabCut

ملاحظة: DeepLabCut هو حزمة البرامج التي تسمح للمستخدمين لتحديد أي كائن من الفائدة في مجموعة من إطارات الفيديو، واستخدام هذه في وقت لاحق لتدريب شبكة عصبية في تتبع المواقع الكائنات في كامل طول أشرطة الفيديو15،16. هذا القسم يعطي مخططاً تقريبيًا لكيفية استخدام DeepLabCut لتتبع حالة مؤشر خطوة البروتوكول وموضع رأس الفئران. تركيب واستخدام DeepLabCut هو وصف جيد في البروتوكولات المنشورة الأخرى15،16. يمكن القيام بكل خطوة من خلال أوامر بيثون محددة أو واجهة المستخدم الرسومية DeepLabCut ، كما هو موضح في مكان آخر15،16.

  1. إنشاء وتكوين مشروع جديد DeepLabCut باتباع الخطوات الموضحة في16.
  2. استخدم وظيفة الاستيلاء على الإطار DeepLabCut لاستخراج إطارات فيديو 700\u2012900 من واحد أو أكثر من مقاطع الفيديو المسجلة في القسم 3.
    ملاحظة: إذا كانت الحيوانات تختلف اختلافا كبيرا في تصبغ الفراء أو غيرها من الخصائص البصرية، فمن المستحسن أن يتم تقسيم إطارات الفيديو 700\u2012900 المستخرجة عبر أشرطة الفيديو من الحيوانات المختلفة. ومن خلال ذلك، يمكن استخدام شبكة مدربة واحدة لتتبع الأفراد المختلفين.
    1. تأكد من تضمين إطارات الفيديو التي تعرض كلاً من النشط(الشكل 8A)وغير نشط(الشكل 8B) حالة مؤشر خطوة البروتوكول.
    2. تأكد من تضمين إطارات الفيديو التي تغطي مجموعة من المواقف المختلفة، والمواقف وحركات الرأس التي قد تظهر الفئران أثناء الاختبار. وينبغي أن يشمل ذلك إطارات الفيديو حيث يقف الجرذ لا يزال في مناطق مختلفة من الغرفة ، مع توجيه رأسه في اتجاهات مختلفة ، وكذلك إطارات الفيديو حيث يتحرك الجرذ بنشاط ، ويدخل فتحات كزة الأنف ويدخل حوض بيليه.
  3. استخدم صندوق أدوات وضع العلامات في DeepLabCut لوضع علامة على موضع رأس الجرذ يدويًا في كل إطار فيديو مستخرج في الخطوة 4.2. استخدام مؤشر الماوس لوضع تسمية "الرأس" في موقف مركزي بين آذان الفئران (الشكل 8A, B). وبالإضافة إلى ذلك، بمناسبة موقف من ضوء الغرفة منزل (أو غيرها من مؤشر خطوة بروتوكول) في كل إطار الفيديو حيث هو ساطع بنشاط (الشكل 8A). اترك ضوء المنزل غير مُدلى به في الإطارات حيث يكون غير نشط (الشكل 8B).
  4. استخدام DeepLabCut في "إنشاء مجموعة بيانات التدريب" و "شبكة القطار" وظائف لإنشاء مجموعة بيانات التدريب من إطارات الفيديو المسمى في الخطوة 4.3 والبدء في تدريب شبكة عصبية. تأكد من تحديد "resnet_101" لنوع الشبكة المختار.
  5. وقف تدريب الشبكة عندما انخفض فقدان التدريب إلى أقل من 0.01. قد يستغرق هذا ما يصل إلى 500,000 تكرار التدريب.
    ملاحظة: عند استخدام جهاز GPU مع ذاكرة 8 غيغابايت تقريبًا ومجموعة تدريب من حوالي 900 إطار فيديو (دقة: 1640 × 1232 بكسل)، تم العثور على عملية التدريب التي تستغرق حوالي 72 ساعة.
  6. استخدم وظيفة تحليل الفيديو في DeepLabCut لتحليل مقاطع الفيديو التي تم جمعها في الخطوة 3 ، باستخدام الشبكة العصبية المدربة في الخطوة 4.4. سيوفر هذا ملف .csv يسرد المواقف المتعقبة لرأس الجرذ ومؤشر الخطوة البروتوكولية في كل إطار فيديو من مقاطع الفيديو التي تم تحليلها. بالإضافة إلى ذلك ، فإنه سيتم إنشاء ملفات فيديو ملحوظ حيث يتم عرض المواقف المتعقبة بصريًا(مقاطع الفيديو 1-8).8
  7. تقييم دقة التتبع باتباع الخطوات الموضحة أدناه.
    1. استخدم وظيفة تقييم DeepLabCut المدمجة للحصول على تقييم تلقائي لدقة تتبع الشبكة. يستند هذا إلى إطارات الفيديو التي تم تصنيفها في الخطوة 4.3 ويصف مدى بعيد على متوسط الموضع تعقبها شبكة الاتصال من التسمية وضعت يدوياً.
    2. حدد تسلسل فيديو مختصر أو أكثر (من إطارات الفيديو 100\u2012200 لكل منها) في مقاطع الفيديو التي تم الحصول عليها في الخطوة 4.6. الذهاب من خلال تسلسل الفيديو ، الإطار من خلال الإطار ، وملاحظة في عدد الإطارات التسميات تشير بشكل صحيح إلى مواقف رأس الفئران ، الذيل ، وما إلى ذلك ، وكيف يتم وضع العديد من الإطارات التسميات في مواقف خاطئة أو لا تظهر.
      1. إذا كان يتم فقدان تسمية جزء الجسم أو الكائن بشكل متكرر أو وضعها في موضع خاطئ، حدد الحالات التي يفشل فيها التعقب. استخراج وإضافة إطارات تحمل علامات من هذه المناسبات بتكرار الخطوات 4.2. و4.3. ثم إعادة تدريب الشبكة وإعادة تحليل أشرطة الفيديو عن طريق تكرار الخطوات 4.4-4.7. في نهاية المطاف، ينبغي تحقيق دقة تتبع دقة > 90٪.

5. الحصول على إحداثيات لنقاط الاهتمام في الغرف الأوبرالية

  1. استخدام DeepLabCut كما هو موضح في الخطوة 4.3 للاحتفال يدويا نقاط الاهتمام في غرف operant (مثل فتحات كزة الأنف، العتلات، الخ) في إطار فيديو واحد(الشكل 8C). ويتم اختيار هذه الفوائد يدوياً حسب اهتمامات الدراسة، على الرغم من أنه ينبغي دائماً إدراج وضع مؤشر خطوة البروتوكول.
  2. استرداد إحداثيات نقاط الاهتمام المميزة من ملف .csv الذي يقوم DeepLabCut بتخزينها تلقائيًا تحت "البيانات المسماة" في مجلد المشروع.

6. تحديد مقاطع الفيديو حيث يكون مؤشر خطوة البروتوكول نشطًا

  1. تحميل ملفات .csv التي تم الحصول عليها من تحليل الفيديو DeepLabCut في الخطوة 4.6 إلى برنامج إدارة البيانات في الاختيار.
    ملاحظة: نظرًا لكمية البيانات التي تم الحصول عليها من DeepLabCut وأنظمة التكييفات operant تعقيدًا، فإن إدارة البيانات تتم على أفضل نحو من خلال برامج التحليل التلقائية. للبدء في هذا، يرجى الرجوع إلى أدلة مستوى الدخول المتاحة في أماكن أخرى20،21،22.
  2. لاحظ في الفيديو الذي يتم تعقب مقطع مؤشر خطوة بروتوكول ضمن 60 بكسل من الموضع الذي تم الحصول عليه في القسم 5. وستكون هذه الفترات حيث يكون مؤشر خطوة البروتوكول نشط(الشكل 6B).
    ملاحظة: أثناء مقاطع الفيديو حيث مؤشر خطوة بروتوكول لا مشرقة، قد يبدو الفيديو ملحوظ حتى تشير إلى أن DeepLabCut لا تتبع ذلك إلى أي موضع. ومع ذلك، نادراً ما يكون هذا هو الحال، وبدلاً من ذلك يتم تعقبها عادة إلى مواقع متفرقة متعددة.
  3. استخراج نقطة البداية الدقيقة لكل فترة حيث يكون مؤشر خطوة البروتوكول نشطًا (الشكل 6C: 1).

7- تحديد شرائح الفيديو ذات الأهمية

  1. النظر في النقاط حيث يصبح مؤشر خطوة بروتوكول نشطة(الشكل 6C: 1) والطوابع الزمنية للردود المسجلة من قبل الغرف operant (القسم 2، الشكل 6C: 2).
  2. استخدم هذه المعلومات لتحديد مقاطع الفيديو التي تغطي أحداثًا مثيرة للاهتمام، مثل الفواصل الزمنية بين المحاكمات والاستجابات واسترجاع المكافآت وما إلى ذلك (الشكل 6C: 3، الشكل 6D).
    ملاحظة: لهذا، تذكر أن الكاميرا الموضحة هنا تسجل مقاطع فيديو بمعدل 30 إطاراً في الثانية.
  3. لاحظ إطارات الفيديو المحددة التي تغطي هذه الأحداث ذات الأهمية.
  4. (اختياري) تحرير ملفات الفيديو من جلسات اختبار كامل لتشمل فقط شرائح محددة من الفائدة.
    ملاحظة: هناك عدة طرق لتحقيق ذلك. واحد هو موضح في ملف تكميلي 2 و 3. وهذا يساعد كثيرا عند تخزين أعداد كبيرة من أشرطة الفيديو ويمكن أيضا أن تجعل مراجعة وتقديم النتائج أكثر ملاءمة.

8. تحليل موضع وتحركات الحيوان خلال مقاطع فيديو محددة

  1. مجموعة فرعية بيانات تتبع كامل من موقف رئيس الحصول عليها من DeepLabCut في الخطوة 4.6 لتشمل فقط مقاطع الفيديو الملاحظة تحت القسم 7.
  2. حساب موضع رأس الحيوان بالنسبة لواحدة أو أكثر من النقاط المرجعية المحددة تحت القسم 5 (الشكل 8C). وهذا يتيح مقارنات التتبع والموضع عبر مقاطع الفيديو المختلفة.
  3. إجراء تحليل متعمق ذو صلة لموقع الحيوان وحركاته.
    ملاحظة: التحليل المحدد الذي يتم إجراؤه سيكون محددًا بشكل قوي. وترد أدناه بعض الأمثلة على المعلمات التي يمكن تحليلها.
    1. تصور مسار تتبع بواسطة رسم كافة الإحداثيات التي تم اكتشافها أثناء فترة محددة ضمن رسم بياني واحد.
    2. تحليل القرب من نقطة معينة من الاهتمام باستخدام الصيغة التالية:
      Equation 1
    3. تحليل التغيرات في السرعة أثناء حركة عن طريق حساب المسافة بين الإحداثيات المتعقبة في إطارات متتالية والقسمة على 1/fps من الكاميرا.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

أداء كاميرا الفيديو

وقد جمعت النتائج التمثيلية في غرف تكييفية فئران تبلغ مساحتها 28.5 سم × 25.5 سم وارتفاعات 28.5 سم. مع عدسة فيش المرفقة، والكاميرا يلتقط مساحة الكلمة كاملة وأجزاء كبيرة من الجدران المحيطة بها، عندما وضعت فوق الغرفة (الشكل 7A). على هذا النحو، يمكن الحصول على منظر جيد، حتى لو تم وضع الكاميرا خارج مركز على أعلى الغرفة. وينبغي أن ينطبق هذا على الغرف operant مماثلة. والمصابيح IR قادرة على إلقاء الضوء على غرفة كاملة (الشكل 7B, C),تمكين عرض جيد, حتى عندما يتم إيقاف كافة الأضواء الأخرى داخل الغرفة (الشكل 7C). ومع ذلك ، فإن الإضاءة في مثل هذه الحالات ليست حتى تماما ، وربما يؤدي إلى بعض الصعوبات في الحصول على تتبع دقيق. وإذا كان هذا التحليل مهماً، فقد يتطلب الأمر مصادر إضافية لإضاءة الأشعة تحت الحمراء. ومن الجدير بالذكر أيضا أن بعض الغرف استخدام المعادن إسقاط المقالي لجمع البول والبراز. إذا تم وضع الكاميرا مباشرة فوق هذه الأسطح، فإن انعكاسات قوية من ضوء الأشعة تحت الحمراء 'سوف تكون مرئية في أشرطة الفيديو المسجلة(الشكل 7B). ومع ذلك، يمكن تجنب ذلك عن طريق وضع المناشف الورقية في المقلاة المتساقطة، مما يعطي صورة محسنة كثيراً(الشكل 7C). وضع الكاميرا الأشعة تحت الحمراء أو المصابيح الملونة قريبة جدا من عدسة الكاميرا قد يؤدي إلى كونها مرئية في محيط الصورة(الشكل 7B). بما أن الكاميرا حساسة للأشعة تحت الحمراء، قد تكون أي مصادر ضوء الأشعة تحت الحمراء الموجودة داخل الغرف مرئية في مقاطع الفيديو. بالنسبة للعديد من الاجهزة ، وهذا سيشمل ساطع مستمر من الأشعة تحت الحمراء كسر أجهزة الاستشعار (الشكل 7C). الإضاءة المستمرة من المصابيح IR الكاميرا لا تخل جودة الصورة من الغرف مضاءة جيدا (الشكل 7D). حجم مقاطع الفيديو المسجلة مع الكاميرا هو حوالي 77 ميغابايت / دقيقة. إذا تم استخدام بطاقة SD صغيرة 32 جيجابايت للكاميرا، يجب أن يكون هناك حوالي 20 غيغابايت متوفرة بعد تثبيت نظام التشغيل. هذا يترك مجالا لحوالي 260 دقيقة من لقطات مسجلة.

عدسة فيش يسبب الكاميرا أن يكون التركيز متفاوتة قليلا، ويجري حادة في وسط الصورة ولكن خفض الحدة نحو الحواف. لا يبدو أن هذا يؤثر على دقة التتبع. وعلاوة على ذلك ، فإن عدسة فيش النتائج في الصورة المسجلة يجري مشوهة. على سبيل المثال، فإن المسافات بين النقاط المتباعدة بالتساوي على طول خطوط مستقيمة سوف تظهر تباعداً أقل بشكل مصطنع نحو محيط الصورة(الشكل 9A, B). إذا تم استخدام الكاميرا للتطبيقات حيث معظم مجال الرؤية أو القياسات المطلقة للمسافة والسرعة هي ذات أهمية، فإنه يستحق النظر في تصحيح البيانات لهذا التشويه23 (ملف تكميلي 4). تشويه، ومع ذلك، معتدل نسبيا في وسط الصورة(الشكل 9B). بالنسبة لمقاطع الفيديو التي يتم جمعها في غرفتنا الأوبرالية، فإن منطقة الاهتمام تقتصر على 25% من مجال الرؤية المركزي للكاميرا. داخل هذا المجال، وتأثير تشويه فيش هو الحد الأدنى (الشكل 9C\u2012F).

دقة التتبع مع DeepLabCut

العوامل الرئيسية التي ستحدد دقة التعقب للشبكة المدربة هي (1) عدد الإطارات المسماة في مجموعة بيانات التدريب الخاصة بها، (2) مدى دقة تلك الإطارات المسماة التقاط سلوك الفائدة و (3) عدد تكرارات التدريب المستخدمة. يتضمن DeepLabCut وظيفة تقييم ، والتي تفيد بتقدير مدى (في عدد البكسل) يمكن أن يتوقع أن يكون تتبعها من الموقع الفعلي للكائن. غير أن هذا لا يعطي بالضرورة وصفاً جيداً لعدد الإطارات التي يفقد فيها جسم ما و/أو يُسمَّى خطأً(الشكل 10A)،مما يدفع إلى الحاجة إلى إجراء تقييم يدوي إضافي لدقة التعقب.

لتحليل السلوكيات داخل غرفة operant، يجب أن تسمح شبكة مدربة تدريبا جيدا التحديد الدقيق لجميع الأحداث حيث يكون مؤشر خطوة البروتوكول نشط. وإذا لم يكن الأمر كذلك، فقد تكون هناك حاجة إلى إعادة تدريب الشبكة أو اختيار مؤشر مختلف. على الرغم من وجود شبكة مدربة تدريبا جيدا، قد تتبع مؤشر خطوة بروتوكول في بعض الأحيان أن تعطل من قبل الحيوانات عرقلة عرض الكاميرا(الشكل 10B). وهذا سوف يسبب فواصل في التتبع التي تذكرنا الحلقات حيث المؤشر غير نشط. وسيتوقف تواتر حدوث ذلك على سلالة الحيوانات ونوع البروتوكول السلوكي واختيار مؤشر خطوة البروتوكول. في مثال البيانات من 5CSRTT المستخدمة هنا، حدث ذلك على أربع من أصل 400 تجربة (البيانات غير مبينة). وقد كان من السهل التعرف على جميع المناسبات، حيث أن مدة هذه الفترة لم تتطابق مع مدة خطوة الاستراحة التي تم تضمينها في تصميم البروتوكول(الشكل 6A). في نهاية المطاف، واختيار المؤشر الذي يتم وضع عالية في الغرفة وبعيدا عن المكونات التي تتفاعل مع الحيوانات من المرجح أن تكون مفيدة.

يجب أن تسمح شبكة مدربة تدريبا جيدا > 90 ٪ دقة عند تتبع رأس خلال شرائح الفيديو من الفائدة(فيديو 1). مع هذا، لن تحتاج إلا مجموعة فرعية صغيرة من إطارات الفيديو إلى استبعادها من التحليل اللاحق، كما يمكن الحصول على بيانات التتبع القابلة للاستخدام من جميع التجارب تقريباً في جلسة اختبار. تتبع دقيق يمكن التعرف عليها بوضوح من قبل علامات التالية في جميع أنحاء تحركاته(فيديو 2)والمسارات المرسومة تظهر على نحو سلس (الشكل 10C). في المقابل، يتميز تتبع غير دقيق من علامات لا البقاء بشكل موثوق على الهدف(فيديو 3)والمسارات المرسومة التي تظهر خشنة(الشكل 10D). ويتسبب هذا الأخير عن طريق الكائن يجري تتبعها إلى مواضع خاطئة بعيدة في إطارات الفيديو واحد ضمن تسلسل من تتبع دقيق. ونتيجة لذلك، عادة ما يؤدي التتبع غير الدقيق إلى حدوث تحولات مفاجئة في سرعات الحركة المحسوبة(الشكل 10E). ويمكن استخدام هذا لتحديد إطارات الفيديو حيث تتبع غير دقيقة، لاستبعادها من التحليل اللاحقة. إذا كانت هناك مشاكل كبيرة مع دقة التتبع ، يجب تحديد المناسبات التي يفشل فيها التتبع ويجب إعادة تدريب الشبكة باستخدام مجموعة تدريبية موسعة تحتوي على إطارات فيديو تحمل علامات(الشكل 10A, E).

استخدام تتبع الفيديو لاستكمال تحليل السلوكيات الأوبرالية

تحليل كيفية تحرك الحيوان ووضع نفسه خلال الاختبارات الأوبرالية سوف توفر رؤى متعددة في الطبيعة المعقدة والمتعددة الأوجه لسلوكياتهم. من خلال تتبع حيث يوجد طوال جلسة الاختبار ، يمكن للمرء تقييم مدى ارتباط أنماط الحركة المتميزة بالأداء (الشكل 11A, B). من خلال مزيد من التحقيق في تحركات الرأس خلال خطوات بروتوكول محددة، يمكن للمرء أن يكشف عن وتوصيف استخدام استراتيجيات مختلفة(الشكل 11C\u2012E).

ولمثل المثال، يجب مراعاة البيانات التمثيلية المقدمة للفئران التي تقوم بإجراء اختبار 5CSRTT(الشكل 6A، الشكل 11). في هذا الاختبار، يتم تقديم الحيوانات مع تجارب متعددة تبدأ كل مع 5 ق خطوة الانتظار (الفاصل بين المحاكمات - ITI) (الشكل 6A: 1). في نهاية هذا، سوف يلمع ضوء داخل واحدة من فتحات كزة الأنف (موقف اختيار عشوائي على كل محاكمة، الشكل 6A: 2). يعتبر الأنف بدس في افتتاح cued استجابة صحيحة ويكافأ (الشكل 6A: 3). الاستجابة إلى فتح آخر يعتبر غير صحيح. عدم الرد في غضون 5 s بعد عرض الضوء يعتبر إغفال. وقد كشفت تتبع حركات الرأس خلال ITI من هذا الاختبار أنه في التجارب حيث الفئران أداء استجابة، فهي سريعة في التحرك نحو المنطقة المحيطة فتحات كزة الأنف (الشكل 11A, B, فيديو 4). في المقابل، على معظم التجارب إغفال، تفشل الفئران في الاقتراب من المنطقة المحيطة فتحات(الشكل 11B، فيديو 5). هذا السلوك يتماشى مع التفسير الشائع للحذف الذي يرتبط ارتباطا وثيقا بدافع منخفض لأداء الاختبار3،16. ومع ذلك ، على مجموعة فرعية من التجارب إغفال (ما يقرب من 20 ٪ من البيانات الحالية مجموعة) ، وأظهرت الفئران تركيزا واضحا نحو الفتحات(الشكل 11B، فيديو 6)لكنها فشلت في ملاحظة الموقع الدقيق لفتح cued. وهكذا تشير البيانات إلى أن هناك نوعين مختلفين على الأقل من الإغفال، أحدهما يتعلق بعدم الاهتمام المحتمل بالمحاكمة الجارية، والآخر يعتمد أكثر على عدم كفاية الاهتمام اللزوج3. يمكن أيضا أن تتبع الرأس يمكن استخدامها للتمييز بين الاستراتيجيات الظاهرة. على سبيل المثال، تم الكشف عن اثنين من استراتيجيات الاهتمام متميزة عند تحليل كيفية تحرك الفئران عندما تكون على مقربة من فتحات كزة الأنف خلال 5CSRTT(الشكل 11C\u2012E). في الاستراتيجية الأولى، أظهرت الفئران نهجاً مركزاً للغاية، حيث تحافظ على موقع مركزي في معظم أجزاء ITI(الشكل 11C، فيديو 7). في المقابل، الفئران التي تعتمد استراتيجية أخرى تتحرك باستمرار رؤوسهم بين فتحات مختلفة بطريقة مثل البحث(الشكل 11D، فيديو 8). يمكن قياس هذا النوع من الاختلافات السلوكية بشكل مريح عن طريق حساب مقدار الوقت الذي يقضيه على مقربة من الفتحات المختلفة (الشكل 11E). وأخيرا، من خلال تحليل أي فتح الفئران هو الأقرب إلى في وقت عرض ضوء جديلة(الشكل 11F)،يمكن أن يكون ثبت أن يجري في موقف مركزي (الشكل 11G)و / أو على مقربة من موقع افتتاح cued(الشكل 11H)يبدو أن تكون مفيدة لأداء دقيق على الاختبار.

Figure 1
الشكل 1: رسم تخطيطي للكمبيوتر الصغير المدرج في القائمة. ويبين المخطط موقف عدة مكونات الفائدة على اللوحة الأم للحواسيب الصغيرة. يتم وضع علامة على هذه الأرقام مع دائرة كما يلي: 1: موصل للكابلات الشريط الكاميرا; 2: ضوء LED تشير إلى متى يتم تشغيل الكمبيوتر؛ 3: مايكرو USB للكابل الكهربائية؛ 4: مايكرو USB للماوس / لوحة المفاتيح؛ 5: دبابيس الإدخال/الإخراج العامة الغرض (دبابيس GPIO)، وتستخدم هذه الدبابيس لربط الحواسيب الصغيرة إلى المصابيح، ومفاتيح، ووحدة الصمام الأشعة تحت الحمراء؛ 6: مصغرة HDMI الانتاج؛ 7: فتحة بطاقة SD الصغيرة. في الجزء السفلي من الشكل، يتم عرض جزء مقصوص ومكبر من دبابيس GPIO للإشارة إلى كيفية العد على طولها لتحديد موضع دبوس معين بشكل صحيح. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 2
الشكل 2: بناء الجسم الرئيسي للكاميرا. وتوضح الأرقام الخطوات الرئيسية لبناء جسم الكاميرا. (أ) إرفاق حلقة معدنية مغناطيسية إلى حامل الكاميرا. (B) إرفاق وحدة الكاميرا إلى حامل الكاميرا. (C) توصيل وحدة الكاميرا إلى الكمبيوتر الصغير عبر كابل الشريط المسطح. لاحظ الأسهم البيضاء التي تشير إلى كيفية فتح وإغلاق منافذ الكاميرا الموجودة على كل من الكمبيوتر الصغير ووحدة الكاميرا. (D) ضع الكمبيوتر الصغير في غلاف البلاستيك وأدخل بطاقة SD الصغيرة. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 3
الشكل 3: تحديث نظام تشغيل الحواسيب الدقيقة وتمكين الأجهزة الطرفية. ويبين هذا الرقم أربع لقطات مختلفة تصور واجهة المستخدم من الحواسيب الصغيرة. (أ)يمكن فتح النوافذ الطرفية عن طريق النقر على أيقونة "المحطة الطرفية" في الزاوية اليسرى العليا من الشاشة. (B) داخل المحطة، يمكن للمرء أن نوع في أنواع مختلفة من الأوامر، كما هو مفصل في نص البروتوكول. تعرض لقطة الشاشة الأمر لتحديث حزم برامج النظام. (C) تعرض لقطة الشاشة كيفية التنقل إلى قائمة التكوينات ، حيث يمكن للمرء تمكين استخدام وحدة الكاميرا ودبابيس I2C GPIO. (D)تعرض لقطة الشاشة المجلد /home/pi، حيث يجب نسخ البرنامج النصي للكاميرا في الخطوة 1.10 من البروتوكول. يتم فتح النافذة بالنقر فوق الرمز المشار إليه في الزاوية العلوية اليسرى من الشاشة. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 4
الشكل 4: تكوين الملف rc.local الكمبيوتر الصغير. يعرض هذا الرقم لقطات جهازي من الملف rc.local للكمبيوتر الصغير، عند الوصول إليها من خلال المحطة الطرفية كما هو موضح في الخطوة 1.11.1. (A) لقطة شاشة للملف rc.local في تنسيقه الأصلي. يشير السهم إلى المساحة التي يجب إدخال النص فيها لتمكين ميزة التشغيل التلقائي للكاميرا. (B) لقطة من rc.local ملف بعد أن تم تحريرها لتلميع IR المصابيح والبدء في السيناريو بيثون السيطرة على الكاميرا عند بدء تشغيل الكمبيوتر الصغير. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 5
الشكل 5: ربط مفاتيح والمصابيح بدبابيس GPIO الخاصة بالحاسوب الصغير. (A) التخطيطي يظهر زر التبديل مع كابلات الطائر الإناث (أعلى) و LED مع المقاوم وكابلات الطائر الإناث (أسفل). (1) زر التبديل، (2) كابلات الطائر الإناث، (3) الصمام، (4) المقاوم. (B) صورة تخطيطية توضح كيفية توصيل مفاتيح الزرين والمصابيح الملونة ولوحة LED IR بدبابيس GPIO في الكمبيوتر الصغير. تشير الكبلات الزرقاء ودبابيس GPIO إلى الأرض. يتم الإشارة إلى موضع اثنين من دبابيس GPIO في الشكل (دبابيس GPIO #2 و #40): (1) زر لبدء/إيقاف تسجيل الفيديو. (2) LED تشير إلى وقت تسجيل الفيديو. (3) زر لإيقاف تشغيل الكاميرا. (4) LED تشير إلى عندما تم تمهيد الكاميرا وجاهزة للاستخدام. (5) وحدة الصمام الأشعة تحت الحمراء. لاحظ أن الدوائر مع المصابيح تحتوي أيضا على المقاومات 330 Ω. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 6
الشكل 6: استخدام تتبع DeepLabCut لمؤشر خطوة البروتوكول لتحديد تسلسل الاهتمام في مقاطع الفيديو الكاملة الطول. (أ) التخطيطي لخطوات تجربة واحدة في اختبار وقت التفاعل التسلسلي 5-اختيار (5CSRTT): (1) أولاً، هناك فترة انتظار قصيرة (ITI). السهم يشير إلى ضوء منزل ساطع بنشاط. (2) في نهاية ITI، سوف يلمع ضوء في واحدة من فتحات كزة الأنف الخمسة (السهم). (3) إذا كان الجرذ يستجيب بدقة عن طريق تنفيذ كزة الأنف في افتتاح cued، يتم تسليم مكافأة (السهم). (4) يسمح للجرذ لاسترداد المكافأة. (5) لتمكين استخدام ضوء المنزل كمؤشر خطوة بروتوكول، وقفة قصيرة خطوة حيث يتم إيقاف تشغيل ضوء المنزل (السهم) يتم تنفيذ قبل بدء المحاكمة المقبلة. لاحظ أن ضوء المنزل يضيء خلال الخطوات اللاحقة من المحاكمة. (B) مثال رسم بياني يصور الإحداثي x لضوء المنزل النشط، كما تم تعقبه بواسطة DeepLabCut، أثناء مقطع فيديو لاختبار 5CSRTT. خلال شرائح حيث ضوء المنزل هو ساطع (مؤشر نشط - 1)، يتم تتبع الموقف إلى نقطة متسقة ومستقرة (لاحظ أيضا علامة حمراء (المشار إليها بواسطة السهم) في إطار الفيديو المثال)، مقارنة مع ذلك من موقف ضوء المنزل في الشكل 8C (س، ص: 163، 503). خلال الشرائح حيث ضوء المنزل ليست مشرقة (المؤشر غير نشط - 2، لاحظ السهم الأبيض في إطار الفيديو المثال)، موقف مجعد ليست مستقرة، وبعيدا عن تنسيق ضوء المنزل الفعلي. (C) يظهر الجدول 1 مثالا على الإخراج المجهزة التي تم الحصول عليها من تتبع DeepLabCut لمؤشر خطوة البروتوكول. في هذا الناتج، تم سرد نقطة البداية لكل مناسبة يكون فيها المؤشر نشطًا. ويبين الجدول 2 مثالاً على البيانات التي تم الحصول عليها من نظام التكييفات، مع إعطاء تفاصيل ذات صلة لفرادى التجارب. في هذا المثال، تم تسجيل مدة ITI موضع فتح cued و latencies لتنفيذ استجابة واسترداد المكافأة. ويبين الجدول 3 مثالاً على البيانات التي تم الحصول عليها عن طريق دمج نتائج التتبع من DeepLabCut والبيانات المسجلة من نظام التكييفات. من خلال هذا، تم الحصول على إطارات الفيديو لنقطة البداية من ITI (الخطوة 1 في A) ، نقطة بداية العرض التقديمي ضوء جديلة (الخطوة 2 في A) ، استجابة (الخطوة 3 في A) واسترجاع (الخطوة 4 في A) مثال تجريبي. (D) مثال على الرسم البياني الذي يصور احداثي س من ضوء المنزل ، كما تتبعها DeepLabCut ، خلال محاكمة 5CSRTT تصويره. ويشار إلى مختلف خطوات البروتوكول: (1) الـ ITI؛ (2) و(2) الـ ITI؛ (2) و(2) (2) الـ ITI؛ (2) و( (2) عرض ضوء جديلة (موقف المشار إليه من قبل السهم الأبيض)؛ (3) الرد؛ (4) استرجاع المكافأة. وقد تم تحديد إطارات الفيديو التي تصور بداية وتوقف هذه الخطوات المختلفة للبروتوكول من خلال عملية مماثلة لتلك المشار إليها في D. يرجى النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 7
الشكل 7: خصائص الصورة للكاميرا. (أ) صورة غير مُحصَّنة تم الحصول عليها من كاميرا موضوعة فوق غرفة تكييف operant. تم التقاط الصورة بينما كانت الغرفة موضوعة في غرفة مضاءة بسطوع. لاحظ (1) ضوء المنزل و (2) مكافأة حوض بيليه على طول الجدار الأيسر للغرفة و (3) صف من خمس فتحات كزة الأنف على طول الجدار الأيمن للغرفة. كل فتحة كزة الأنف يحتوي على ضوء جديلة صغيرة. (B) صورة غير مُجَرَّدَة تعرض الانعكاس القوي الناتج عن (1) مقلاة إسقاط المعادن، بالإضافة إلى الانعكاسات الناتجة عن تحديد المواقع دون المستوى الأمثل لمؤشر LED (2) للكاميرا و(3) وحدة LED IR. (C) اقتصاص صورة من الغرفة في الظلام الظام. لاحظ أن الأضواء من أجهزة الكشف عن كسر شعاع الأشعة تحت الحمراء في فتحات كزة الأنف الخمسة على طول الجدار الأيمن للغرفة مرئية بوضوح (السهم). (D) اقتصاص صورة للغرفة عندما مضاءة الزاهية. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 8
الشكل 8: التتبع الموضعي لمؤشر خطوة البروتوكول وأجزاء الجسم ذات الأهمية. (أ) تظهر الصورة موضع مؤشر خطوة البروتوكول (الأحمر) وكذلك الرأس (الأصفر) والذيل (الأخضر) من الفئران، كما تتبعها DeepLabCut. كما هو مبين من خلال تتبع ضوء البيت مضاءة، يتم أخذ إطار الفيديو من لقطة من محاكمة نشطة. (ب) تظهر الصورة موقف الرأس (الأصفر) والذيل (الأخضر) كما تتبعها DeepLabCut خلال لحظة عندما تكون التجربة غير نشطة. لاحظ عدم وجود تتبع ضوء المنزل. (C) مواقع نقاط الاهتمام المستخدمة في تحليل البيانات المبينة في الشكل 6 والشكل 11؛ (1) منزل ضوء، في هذه الحالة تستخدم كمؤشر الخطوة بروتوكول، (2\u20126) الأنف كزة فتحات #1\u20125. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 9
الشكل 9: تشويه الصورة من عدسة فيش. (أ) صورة لنمط لوحة الداما مع مربعات متساوية الحجم ومسافات بالأسود والأبيض التي تم التقاطها مع الكاميرا الموضحة في هذا البروتوكول. تم التقاط الصورة على ارتفاع مماثل لتلك المستخدمة عند تسجيل مقاطع الفيديو من غرف التكييفات الأوبرالية. تم وضع علامة على المربعات السوداء على طول الخطوط الأفقية والعمودية المركزية مع DeepLabCut. (B) رسم بياني يصور كيف تتغير تباعد المربعات اُعلّم في (أ) مع قربها من مركز الصور. (C) صورة تصور القياسات التي تم اتخاذها لتقييم تأثير تأثير تشويه العين السمكية على مقاطع الفيديو التي تم جمعها من الغرف الأوبرالية. وقد أشارت الزوايا ونقاط الوسط على طول حافة منطقة الكلمة ، والموقف المركزي لكل درجة الكلمة الفردية وموقف فتحات كزة الأنف الخمسة مع DeepLabCut (النقاط الملونة) ؛ (1) تباعد من درجات الكلمة، (2) عرض أرضية غرفة على طول منتصف الغرفة، (3) تباعد فتحات كزة الأنف. (D) تباعد درجات الكلمة (متوسط لكل مجموعة من ثلاث درجات متتالية)، المرقمة من اليسار إلى اليمين في (C). هناك تأثير صغير من تشويه عين السمك، مما أدى إلى الدرجات المركزية التي يتم متباعدة تقريبا 3 بكسل (8٪) وبصرف النظر عن أبعد من الدرجات التي يتم وضعها على حواف أرضية الغرفة. (E) عرض أرضية الغرفة في (C) تقاس عند حوافها اليسرى والأيّنية، وكذلك نقطة الوسط. هناك تأثير صغير من تشوه عين السمك، مما أدى إلى أن العرض الذي يقاس عند نقطة الوسط هو حوالي 29 بكسل (5%) أطول من القياسات الأخرى. (F) تباعد فتحات كزة الأنف في (C) ، المرقمة من أعلى الصورة. هناك تأثير صغير من تشوه عين السمك، مما أدى إلى المباعدة بين الفتحات المركزية الثلاث (H2، H3، H5) كونها تقريبا 5 بكسل (4٪) أوسع من التباعد بين H1-H2 و H4-H5. بالنسبة لـ D-F، تم جمع البيانات من أربعة مقاطع فيديو ورسوم بيانية تصور متوسط المجموعة + الخطأ القياسي. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 10
الشكل 10: مراجعة دقة تتبع DeepLabCut. (A) جدول يسرد معلومات التدريب لشبكات عصبية مدربتين على تتبع الفئران داخل غرف العمل. استخدمت #1 الشبكة مجموعة بيانات تدريب أصغر، ولكن عددًا كبيرًا من تكرارات التدريب مقارنةً #2 الشبكة. حققت كلتا الشبكتين درجة خطأ منخفضة من وظيفة التقييم DeepLabCut (خطأ اختبار DLC) وعرضت خسارة تدريب منخفضة قرب نهاية التدريب. وعلى الرغم من ذلك، أظهرت شبكة #1 دقة تتبع ضعيفة للغاية عند التقييم اليدوي لإطارات الفيديو المميزة (دقة القياس، والتي تقدر من 150 إطار فيديو تغطي مقطع فيديو مماثل لتلك الموجودة في الفيديو 2 والفيديو 3). وتمثل #2 الشبكة النسخة المحسنة من #1 الشبكة، بعد أن أدرجت إطارات فيديو إضافية للفئران التي تتحرك بنشاط في مجموعة بيانات التدريب، على النحو المبين في (E). (ب)صورة تصور جرذًا يربي ويغطى ضوء منزل الغرفة(الشكل 7A)برأسه، مما يعطل تتبعه. (C) إطار فيديو التقاط استجابة أثناء تجربة 5CSRTT(الشكل 6A: 3). تم فرض مسار حركة الرأس أثناء الاستجابة و ITI السابقة على الصورة باللون الأصفر. ويعتبر التتبع دقيقا. لاحظ التتبع السلس أثناء الحركات (سهم أبيض). يتوفر فيديو المقابلة كما الفيديو 2. تم استخدام #2 الشبكة (انظر A) للتعقب. (D) إطار فيديو يلتقط استجابة تم إجراؤها أثناء تجربة 5CSRTT(الشكل 6A: 3). تم فرض مسار حركة الرأس أثناء الاستجابة و ITI السابقة على الصورة باللون الأصفر. تتعلق البيانات بنفس التجربة كما هو موضح في (C) ولكن تم تحليلها باستخدام شبكة #1 (انظر A). ويعتبر التعقب غير دقيق. لاحظ مظهر المسار الخشن مع خطوط مستقيمة متعددة (الأسهم البيضاء)، بسبب تتبع عرضية من الرأس إلى مواضع خاطئة بعيدة (الأسهم السوداء). يتوفر فيديو المقابلة كما الفيديو 3. (E) رسم بياني يصور التغيرات الديناميكية في سرعة حركة الرأس في (C) و (D). يمكن التعرف عليها في الرسم البياني هي ثلاث حركات رئيسية ينظر إليها في الفيديو 2 و 3، حيث يتحول الجرذ الأول لمواجهة فتحات كزة الأنف (المنعطف الأولي) ، يجعل تعديلا صغيرا لمزيد من الاقتراب منها (التكيف) ، وأخيرا ينفذ استجابة. يعرض ملف تعريف السرعة للتتبع الجيد الذي حصلت عليه شبكة #2 (A) منحنيات سلسة من التغييرات في سرعة الحركة (الأسهم الزرقاء)، مما يشير إلى تتبع دقيق. يظهر ملف تعريف السرعة للتتبع الضعيف الذي حصلت عليه شبكة #1 (A) طفرات مفاجئة متعددة في سرعة الحركة (الأسهم الحمراء) التي تدل على أخطاء تتبع عرضية في إطارات الفيديو المفردة. ومن الجدير بالذكر أن هذه المشاكل تتبع تحدث على وجه التحديد أثناء التحركات. ولتصحيح ذلك، تم توسيع مجموعة التدريب الأولية المستخدمة لتدريب #1 الشبكة مع كمية كبيرة من إطارات الفيديو التي تصور الفئران المتحركة بنشاط. وقد استخدم هذا في وقت لاحق لتدريب #2 الشبكة، التي أزالت بكفاءة هذه المسألة تتبع. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 11
الشكل 11: استخدام التتبع الموضعي من خلال DeepLabCut لاستكمال التحليل السلوكي لاختبارات التكييف الأوبرالي. (ألف) منظر علوي من داخل غرفة تكييف operant. يشار إلى ثلاث مناطق في الغرفة. المنطقة القريبة من المكافأة بيليه الحوض الصغير (بيليه)، ومنطقة الغرفة المركزية (وسط) والمنطقة المحيطة بفتحات كزة الأنف (فتحات). (ب) رسم بياني يصور المدة النسبية للوقت الذي تقضيه الجرذان في المناطق الثلاث المختلفة للغرفة الأوبرالية الموضحة في (A) أثناء خطوة ITI لـ 5CSRTT. لاحظ أنه في التجارب مع استجابة، تميل الفئران في البداية إلى أن تكون في وضعها بالقرب من الحوض الصغير بيليه (أسود) ومركز الغرفة (الرمادي)، ولكن مع تقدم ITI، فإنها تتحول نحو وضع أنفسهم حول فتحات كزة الأنف (أبيض). في المقابل، في تجارب الإغفال النموذجية، لا تزال الفئران متمركزة حول حوض بيليه ومركز الغرفة. على مجموعة فرعية من محاكمات الحذف (حوالي 20%) الفئران بوضوح تحول تركيزها نحو فتحات كزة الأنف، ولكن لا تزال تفشل في أداء استجابة عندما دفعت. تحليل ANOVA في اتجاهين للوقت الذي يقضيه حول فتحات كزة الأنف باستخدام نوع التجربة كعامل بين الموضوع والوقت كعامل داخل الموضوع يكشف عن وقت كبير (p < 0.001, F(4,8) = 35.13), trial type (p < 0.01, F(2,4) = 57.33) and time x trial type interaction (p < 0.001, F(8,16) = 15.3) effects. Data gathered from four animals performing 100 trials each. Graph displays mean + standard error. (ج) خريطة الحرارة عرض جميع مواقف الرأس تعقبها على مقربة من فتحات كزة الأنف، من قبل فأر واحد محدد خلال 50 ITIs من جلسة اختبار 5CSRTT. لاحظ أن الجرذ لديه ميل قوي للحفاظ على رأسه في بقعة واحدة قريبة من فتحة كزة الأنف المركزية. (د) خريطة الحرارة عرض جميع مواقف الرأس تعقبها على مقربة من فتحات كزة الأنف، من قبل فأر واحد محدد خلال 50 ITIs من جلسة اختبار 5-CSRTT. لاحظ أن الجرذ لا يظهر تفضيل واضح لأي فتحة محددة. (ه) رسم بياني يصور مقدار الوقت النسبي الذي يعرضه الجرذان في (C) و (D) يقضيان في أقرب وقت إلى فتحات كزة الأنف المختلفة خلال 50 ITIs من 5CSRTT. يظهر الجرذ الذي يعرض استراتيجية مركزة (C) (أسود) تفضيلًا قويًا لكونه الأقرب إلى الفتحة المركزية بينما يظهر الجرذ الذي لديه استراتيجية بحث (D) (أبيض) أي تفضيل لأي فتحة معينة. يصف الرسم البياني متوسط + خطأ قياسي. (و) صورة للجرذ في وقت عرض جديلة على محاكمة 5CSRTT (الشكل 6 ألف). لاحظ أن الجرذ وضع رأسه الأقرب إلى الفتحة المركزية (السهم الأبيض)، كونه فتحتين بعيداً عن فتحة القدّس (السهم الأسود). (ز) رسم بياني يصور دقة الأداء على 5CSRTT (أي تردد تنفيذ الردود الصحيحة) فيما يتعلق بما إذا كان رأس الفئران الأقرب إلى الفتحة المركزية أو واحدة من الفتحات الأخرى في وقت عرض جديلة (الشكل 6A2). البيانات التي تم جمعها من أربعة تؤدي ما يقرب من 70 استجابة لكل منها. يعرض الرسم البياني متوسط المجموعة + الخطأ القياسي (اختبار t متطابق: p < 0.05). (ح) رسم بياني يصف دقة الأداء على 5CSRTT فيما يتعلق بالمسافة بين موضع فتحة القدّار وموضع رأس الجرذ عند نقطة عرض الإشارة. تتعلق المسافة بعدد الفتحات بين موضع رأس الفئران وموقع الفتحة المُشار إليها. البيانات التي تم جمعها من أربعة تؤدي ما يقرب من 70 استجابة لكل منها. يعرض الرسم البياني متوسط + خطأ قياسي (مطابقة ANOVA ذات اتجاه واحد: p < 0.01). For the presented analysis, Network #2 described in الشكل 10 ألف تم استخدامه. وشملت مجموعة البيانات الكاملة التي تم تحليلها ما يقرب من 000 160 إطار فيديو و 400 تجربة. ومن بين هذه، تم استبعاد 2.5٪ من إطارات الفيديو بسبب سرعة حركة الحيوان الملحوظة التي تزيد عن 3000 بكسل / الثانية ، مما يشير إلى تتبع خاطئ (الشكل 10E). ولم تُستبعد أي تجارب كاملة. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

فيديو 1: تتبع تمثيلي لأداء الشبكة العصبية المدربة تدريبا جيدا. يُظهر الفيديو مونتاجًا لجرذ يقوم بـ 45 تجربة مع استجابات صحيحة خلال جلسة اختبار 5CSRTT (انظر الشكل 6A للاطلاع على تفاصيل البروتوكول). يشار إلى تتبع ضوء المنزل (علامة حمراء) ، وقاعدة الذيل (علامة خضراء) والرأس (علامة زرقاء) في الفيديو. وأكد تدريب الشبكة (شبكة #2 في الشكل 10A)دقة للحركات التي تمت على طول أرضية الغرفة على مقربة من فتحات كزة الأنف (الجدار الأيمن، الشكل 7A). يُظهر تتبع هذه الشرائح في المتوسط دقة 90% في المتوسط. تتبع حلقات التربية والاستمالة غير دقيقة، حيث أن مجموعة التدريب لم تتضمن إطارات لهذه السلوكيات. لاحظ أنه تم ضغط الفيديو لتقليل حجم الملف ولا يمكن تمثيله لجودة الفيديو التي تم الحصول عليها باستخدام الكاميرا. الرجاء النقر هنا لتحميل هذا الفيديو.

فيديو 2: مثال على الحيوانات التي تم تعقبها بدقة. يُظهر الفيديو تجربة واحدة جيدة التتبع فأر يقوم باستجابة صحيحة خلال 5CSRTT. يشار إلى تتبع ضوء المنزل (علامة حمراء) ، وقاعدة الذيل (علامة خضراء) والرأس (علامة زرقاء) في الفيديو. #2 الشبكة العصبية المذكورة في الشكل 10A تم استخدامها لتتبع. لاحظ كيف تتبع العلامات حركات الحيوان بدقة. كما ارجع إلى الشكل 10C، E للمسار المرسوم وسرعة الحركة لتتبع الرأس في مقطع الفيديو هذا. الرجاء النقر هنا لتحميل هذا الفيديو.

فيديو 3: مثال على الحيوانات غير المتعقبة. يُظهر الفيديو تجربة واحدة سيئة التتبع فأر يقوم باستجابة صحيحة خلال 5CSRTT. يشار إلى تتبع ضوء المنزل (علامة حمراء) ، وقاعدة الذيل (علامة خضراء) والرأس (علامة زرقاء) في الفيديو. #1 الشبكة العصبية المذكورة في الشكل 10A تم استخدامها لتتبع. الفيديو كليب هو نفسه الذي يستخدم في الفيديو 2. لاحظ أن علامة الرأس لا توضع بشكل موثوق فوق رأس الجرذ. كما ارجع إلى الشكل 10D, E لمسار المرسوم وسرعة الحركة لتتبع الرأس في مقطع الفيديو هذا. الرجاء النقر هنا لتحميل هذا الفيديو.

الفيديو 4: مثال على الحركات التي تمت خلال تجربة 5CSRTT مع الرد. يُظهر الفيديو تجربة واحدة جيدة التتبع فأر يقوم باستجابة صحيحة خلال 5-CSRTT. يشار إلى تتبع ضوء المنزل (علامة حمراء) ، وقاعدة الذيل (علامة خضراء) والرأس (علامة زرقاء) في الفيديو. لاحظ كيف يتم وضع الفئران في البداية في القرب الواضح من وعاء الكريه (الجدار الأيسر، الشكل 7A)ثم ينتقل إلى تركيز انتباهه على صف فتحات كزة الأنف. الرجاء النقر هنا لتحميل هذا الفيديو.

فيديو 5: مثال على محاكمة إغفال نموذجية أثناء 5CSRTT. يُظهر الفيديو تجربة واحدة جيدة التتبع فأر يقوم بغفال نموذجي خلال 5CSRTT. يشار إلى تتبع ضوء المنزل (علامة حمراء) ، وقاعدة الذيل (علامة خضراء) والرأس (علامة زرقاء) في الفيديو. لاحظ كيف أن الفئران تحافظ على موقفها حول وعاء بيليه (الجدار الأيسر، الشكل 7A)ومركز الغرفة، بدلا من الدوران لمواجهة فتحات كزة الأنف (الجدار الأيمن، الشكل 7A). يمكن أن يكون السلوك المعروض وسبب الإغفال مجادلاً لتعكس انخفاض الاهتمام في تنفيذ الاختبار. الرجاء النقر هنا لتحميل هذا الفيديو.

الفيديو 6: مثال على تجربة إغفال غير نمطية أثناء 5CSRTT. يُظهر الفيديو تجربة واحدة جيدة التتبع فأر يقوم بغهو غير نمطي خلال 5CSRTT. يشار إلى تتبع ضوء المنزل (علامة حمراء) ، وقاعدة الذيل (علامة خضراء) والرأس (علامة زرقاء) في الفيديو. لاحظ كيف يضع الجرذ نفسه نحو فتحات كزة الأنف على طول الجدار الأيمن للغرفة (الشكل 7A). ويمكن القول أن هذا يشير إلى أن الحيوان مهتم في إجراء الاختبار. ومع ذلك ، فإن الجرذ يواجه بعيدا عن افتتاح cued (الموقف المركزي) عندما يتم تقديم جديلة (5 ق في مقطع). على النقيض من الحذف المعروض في الفيديو 4، فإن تلك التي شوهدت هنا ترتبط على الأرجح بعمليات الاهتمام اللزجة دون المستوى الأمثل. الرجاء النقر هنا لتحميل هذا الفيديو.

فيديو 7: مثال على يحافظ على مركز مركزي مركز خلال ITI من 5CSRTT. يُظهر الفيديو تجربة واحدة جيدة التتبع فأر يقوم باستجابة صحيحة على تجربة 5CSRTT. لاحظ كيف أن الفئران تحافظ على موقف مركزي خلال ITI، والحفاظ على رأسه ثابت على مقربة من فتحة الأنف المركزية على طول الجدار الأيمن الغرف (الشكل 7A). يشار إلى تتبع ضوء المنزل (علامة حمراء) ، وقاعدة الذيل (علامة خضراء) والرأس (علامة زرقاء) في الفيديو. الرجاء النقر هنا لتحميل هذا الفيديو.

الفيديو 8: مثال على يعرض استراتيجية اهتمام تشبه البحث أثناء ITI من 5CSRTT. يُظهر الفيديو تجربة واحدة جيدة التتبع فأر يقوم باستجابة صحيحة على تجربة 5CSRTT. لاحظ كيف الفئران كثيرا ما يعيد رأسه لمواجهة فتحات كزة الأنف المختلفة على طول الجدار الأيمن للغرفة (الشكل 7A). يشار إلى تتبع ضوء المنزل (علامة حمراء) ، وقاعدة الذيل (علامة خضراء) والرأس (علامة زرقاء) في الفيديو. الرجاء النقر هنا لتحميل هذا الفيديو.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

يصف هذا البروتوكول كيفية إنشاء كاميرا فيديو غير مكلفة ومرنة يمكن استخدامها لتسجيل مقاطع الفيديو من غرف تكييفات operant وغيرها من أجهزة الاختبار السلوكية. كما يوضح كيفية استخدام DeepLabCut لتتبع إشارة ضوئية قوية داخل مقاطع الفيديو هذه ، وكيف يمكن استخدامها للمساعدة في تحديد شرائح الفيديو القصيرة ذات الاهتمام في ملفات الفيديو التي تغطي جلسات الاختبار الكاملة. وأخيراً، يصف كيفية استخدام تتبع رأس الفئران لاستكمال تحليل السلوكيات أثناء اختبارات التكييف الأوبرالية.

ويقدم البروتوكول بديلاً عن حلول تسجيل الفيديو المتاحة تجارياً لغرف التكييفات. وكما لوحظ، فإن الفائدة الرئيسية لهذه الفوائد هي أنها تتكامل مع الغرف الأوبرالية، مما يتيح تسجيلات فيديو لأحداث محددة. إن النهج المتبع في تحديد شرائح الفيديو ذات الأهمية المبينة في هذا البروتوكول هو نهج أكثر جهداً وتستغرق وقتاً طويلاً مقارنة باستخدام نظام متكامل تماماً لتسجيل أحداث محددة. ومع ذلك ، فإنه أرخص بكثير (تم تعيين تقدير التكلفة الأخيرة لمعدات مراقبة الفيديو لـ 6 غرف أوبرالية إلى ما يقرب من 13000 دولار أمريكي). وبالمقارنة، فإن بناء ست من الكاميرات المذكورة هنا سيكلف حوالي 720 دولار أمريكي). بالإضافة إلى ذلك، يمكن استخدام الكاميرات لعدة أجهزة اختبار سلوكي أخرى. عند العمل مع الكاميرا، من المهم أن تضع في اعتبارها مجالات الإلكترونيات المكشوفة (الجزء الخلفي من مكون الكاميرا وكذلك مكون IR LED)، بحيث لا تتلامس مع السوائل. بالإضافة إلى ذلك، قد يكون كبل الشريط الذي يربط وحدة الكاميرا بالكمبيوتر الصغير والكابلات التي تربط المصابيح ومفاتيح إلى دبابيس GPIO غير صحيح إذا كانت الكاميرا تتحرك بشكل متكرر. وبالتالي، قد يكون تعديل تصميم حالة الكاميرا مفيدًا لبعض التطبيقات.

استخدام DeepLabCut لتحديد شرائح الفيديو من الفائدة وتتبع تحركات الحيوانات يوفر تكملة و / أو بديل لتحليل الفيديو اليدوي. في حين أن الأول لا يبطل الثاني ، فقد وجدنا أنه يوفر طريقة مريحة لتحليل الحركات والسلوكيات داخل الغرف الأوبرالية. على وجه الخصوص، فإنه يوفر بيانات موضعية من الحيوان، الذي يحتوي على معلومات أكثر تفصيلا مما هو استخراج عادة عن طريق التهديف اليدوي (أي، الإحداثيات الفعلية مقارنة مع المعلومات الموضعية النوعية مثل "أمام"، "بجوار" الخ).

عند اختيار مؤشر خطوة بروتوكول، من المهم اختيار واحد يشير باستمرار إلى خطوة معينة من البروتوكول السلوكي، والتي من غير المرجح أن تكون مسدودة من قبل الحيوان. إذا كان هذا الأخير هو إشكالية، يمكن للمرء أن تنظر في وضع مصباح خارج غرفة الأوبرا وصوّر ذلك من خلال جدران الغرفة. العديد من غرف تكييف operant هي وحدات وتسمح للمستخدمين بحرية نقل الأضواء وأجهزة الاستشعار وغيرها من المكونات حولها. تجدر الإشارة إلى أن هناك حزم البرامج الأخرى التي تسمح للمستخدمين أيضا لتدريب الشبكات العصبية في التعرف على وتتبع الكائنات المحددة من قبل المستخدم في أشرطة الفيديو24,25,26. من المحتمل أن يتم استخدام هذه كبدائل ل DeepLabCut في البروتوكول الحالي.

يصف البروتوكول كيفية تتبع الجزء الأوسط من رأس الفئران من أجل قياس الحركات داخل الغرف الأوبرالية. كما DeepLabCut يوفر الحرية الكاملة في اختيار أجزاء الجسم أو الأشياء ذات الاهتمام، وهذا يمكن تعديل مع الراحة لتناسب المصالح الخاصة دراسة محددة. امتداد طبيعي للتتبع الموصوف هنا هو أيضا لتتبع موقف الأذنين و الالجرذان الأنف، للحكم بشكل أفضل ليس فقط موقف الرأس ولكن أيضا التوجه. البيانات التمثيلية المعروضة هنا تم إعادة ترميزها مع فئران (لونغ إيفانز) هذه الفئران عرض كبير بين الفردية الاختلاف في نمط تصبغ بهم، وخاصة نحو قاعدة ذيلها. وهذا قد يؤدي إلى بعض الصعوبات في تطبيق شبكة عصبية واحدة مدربة لتتبع الأفراد مختلفة. للحد من هذه القضايا ، فمن الأفضل أن تشمل إطارات الفيديو من جميع الحيوانات ذات الاهتمام في مجموعة التدريب للشبكة. يوفر الرأس الأسود للجرذ لونغ إيفانز تباينًا قويًا معقولًا ضد الأسطح المعدنية للغرفة المستخدمة هنا. وهكذا، الحصول على تتبع دقيق من رؤوسهم من المرجح أن يتطلب جهدا أقل من مع سلالات المهق. الخطوة الأكثر أهمية للحصول على تتبع دقيق مع حزم البرامج DeepLabCut أو مماثلة هو اختيار عدد لا يُعَد من إطارات الفيديو المتنوعة لتدريب الشبكة العصبية. وعلى هذا النحو، إذا اعتُبر أن تعقب موضوع ما محل اهتمام ما هو دون المستوى الأمثل، فإن زيادة مجموعة أطر التدريب ينبغي أن تكون دائماً الخطوة الأولى نحو تحسين النتائج.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

في حين تم استخدام مواد وموارد من مؤسسة Raspberry Pi واستشهد بها في هذه المخطوطة، لم تشارك المؤسسة بنشاط في إعداد أو استخدام المعدات والبيانات في هذه المخطوطة. وينطبق الشيء نفسه على بي التموين. ليس لدى أصحاب البلاغ ما يكشفون عنه.

Acknowledgments

وقد تم دعم هذا العمل من خلال منح من مؤسسة الدماغ السويدية، ومؤسسة باركنسون السويدية، وصناديق الحكومة السويدية للبحوث السريرية (M.A.C.)، وكذلك مؤسسات وينر-غرين (M.A.C، E.K.H.C)، ومؤسسة أهلين (M.A.C) ومؤسسة Blanceflor Boncompagni Ludovisi، née Bildt (S.F.

Materials

Name Company Catalog Number Comments
32 Gb micro SD card with New Our Of Box Software (NOOBS) preinstalled The Pi hut (https://thpihut.com) 32GB
330-Ohm resistor The Pi hut (https://thpihut.com) 100287 This article is for a package with mixed resistors, where 330-ohm resistors are included.
Camera module (Raspberry Pi NoIR camera v.2) The Pi hut (https://thpihut.com) 100004
Camera ribbon cable (Raspberry Pi Zero camera cable stub) The Pi hut (https://thpihut.com) MMP-1294 This is only needed if a Raspberry Pi zero is used. If another Raspberry Pi board is used, a suitable camera ribbon cable accompanies the camera component
Colored LEDs The Pi hut (https://thpihut.com) ADA4203 This article is for a package with mixed colors of LEDs. Any color can be used.
Female-Female jumper cables The Pi hut (https://thpihut.com) ADA266
IR LED module (Bright Pi) Pi Supply (https://uk.pi-supply.com) PIS-0027
microcomputer motherboard (Raspberry Pi Zero board with presoldered headers) The Pi hut (https://thpihut.com) 102373 Other Raspberry Pi boards can also be used, although the method for automatically starting the Python script only works with Raspberry Pi zero. If using other models, the python script needs to be started manually.
Push button switch The Pi hut (https://thpihut.com) ADA367
Raspberry Pi power supply cable The Pi hut (https://thpihut.com) 102032
Raspberry Pi Zero case The Pi hut (https://thpihut.com) 102118
Raspberry Pi, Mod my pi, camera stand with magnetic fish eye lens and magnetic metal ring attachment The Pi hut (https://thpihut.com) MMP-0310-KIT

DOWNLOAD MATERIALS LIST

References

  1. Pritchett, K., Mulder, G. B. Operant conditioning. Contemporary Topics in Laboratory Animal Science. 43 (4), (2004).
  2. Clemensson, E. K. H., Novati, A., Clemensson, L. E., Riess, O., Nguyen, H. P. The BACHD rat model of Huntington disease shows slowed learning in a Go/No-Go-like test of visual discrimination. Behavioural Brain Research. 359, 116-126 (2019).
  3. Asinof, S. K., Paine, T. A. The 5-choice serial reaction time task: a task of attention and impulse control for rodents. Journal of Visualized Experiments. (90), e51574 (2014).
  4. Coulbourn instruments. Graphic State: Graphic State 4 user's manual. Coulbourn instruments. , Holliston, Massachusetts. 12-17 (2013).
  5. Med Associates Inc. Med-PC IV: Med-PC IV programmer's manual. Med Associates Inc. , St. Albans, Vermont. 21-44 (2006).
  6. Clemensson, E. K. H., Clemensson, L. E., Riess, O., Nguyen, H. P. The BACHD rat model of Huntingon disease shows signs of fronto-striatal dysfunction in two operant conditioning tests of short-term memory. PloS One. 12 (1), (2017).
  7. Herremans, A. H. J., Hijzen, T. H., Welborn, P. F. E., Olivier, B., Slangen, J. L. Effect of infusion of cholinergic drugs into the prefrontal cortex area on delayed matching to position performance in the rat. Brain Research. 711 (1-2), 102-111 (1996).
  8. Chudasama, Y., Muir, J. L. A behavioral analysis of the delayed non-matching to position task: the effects of scopolamine, lesions of the fornix and of the prelimbic region on mediating behaviours by rats. Psychopharmacology. 134 (1), 73-82 (1997).
  9. Talpos, J. C., McTighe, S. M., Dias, R., Saksida, L. M., Bussey, T. J. Trial-unique, delayed nonmatching-to-location (TUNL): A novel, highly hippocampus-dependent automated touchscreen test of location memory and pattern separation. Neurobiology of Learning and Memory. 94 (3), 341 (2010).
  10. Rayburn-Reeves, R. M., Moore, M. K., Smith, T. E., Crafton, D. A., Marden, K. L. Spatial midsession reversal learning in rats: Effects of egocentric cue use and memory. Behavioural Processes. 152, 10-17 (2018).
  11. Gallo, A., Duchatelle, E., Elkhessaimi, A., Le Pape, G., Desportes, J. Topographic analysis of the rat's behavior in the Skinner box. Behavioural Processes. 33 (3), 318-328 (1995).
  12. Iversen, I. H. Response-initiated imaging of operant behavior using a digital camera. Journal of the Experimental Analysis of Behavior. 77 (3), 283-300 (2002).
  13. Med Associates Inc. Video monitor: Video monitor SOF-842 user's manual. Med Associates Inc. , St. Albans, Vermont. 26-30 (2004).
  14. Coulbourn Instruments. Coulbourn Instruments. , Available from: https://www.coulbourn.com/product_p/h39-16.htm (2020).
  15. Mathis, A., et al. DeepLabCut: markerless pose estimation of user-defined body parts with deep learning. Nature Neuroscience. 21 (9), 1281-1289 (2018).
  16. Nath, T., Mathis, A., Chen, A. C., Patel, A., Bethge, M., Mathis, M. W. Using DeepLabCut for 3D markerless pose estimation across species and behaviors. Nature Protocols. 14 (7), 2152-2176 (2019).
  17. Bari, A., Dalley, J. W., Robbins, T. W. The application of the 5-chopice serial reaction time task for the assessment of visual attentional processes and impulse control in rats. Nature Protocols. 3 (5), 759-767 (2008).
  18. Raspberry Pi foundation. Raspberry Pi foundation. , Available from: https://thepi.io/how-to-install-raspbian-on-the-raspberry-pi/ (2020).
  19. Pi-supply. Pi-supply. , Available from: https://learn.pi-supply.com/make/bright-pi-quickstart-faq/ (2018).
  20. Python. Python. , Available from: https://wiki.python.org/moin/BeginnersGuide/NonProgrammers (2020).
  21. MathWorks. MathWorks. , Available from: https://mathworks.com/academia/highschool/ (2020).
  22. Cran.R-Project.org. Cran.R-Project.org. , Available from: https://cran.r-project.org/manuals.html (2020).
  23. Liu, Y., Tian, C., Huang, Y. Critical assessment of correction methods for fisheye lens distortion. The international archives of the photogrammetry, remote sensing and spatial information sciences. , (2016).
  24. Pereira, T. D., et al. Fast animal pose estimation using deep neural networks. Nature Methods. 16 (1), 117-125 (2019).
  25. Graving, J. M., et al. DeepPoseKit, a software toolkit for fast and robust animal pose estimation using deep learning. Elife. 8 (47994), (2019).
  26. Geuther, B. Q., et al. Robust mouse tracking in complex environments using neural networks. Communications Biology. 2 (124), (2019).

Tags

السلوك، الإصدار 160، تكييف Operant، الإدراك، تسجيل الفيديو، سلوك القوارض، التوت بي، ديب لابكوت
تتبع الفئران في غرف تكييف Operant باستخدام كاميرا فيديو محلية الصنع متعددة الاستخدامات و DeepLabCut
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Clemensson, E. K. H., Abbaszadeh,… More

Clemensson, E. K. H., Abbaszadeh, M., Fanni, S., Espa, E., Cenci, M. A. Tracking Rats in Operant Conditioning Chambers Using a Versatile Homemade Video Camera and DeepLabCut. J. Vis. Exp. (160), e61409, doi:10.3791/61409 (2020).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter