Безмаркерная система 3D-анализа поведения NHP, управляемая искусственным интеллектом|Присис Биотех

Не-приматы, не являющиеся человеком (NHP), являются незаменимыми моделями для изучения высших функций мозга и неврологических расстройств из-за их нейроанатомического и когнитивного сходства с людьми. Однако не-неинвазивное отслеживание и количественная оценка их естественного поведения остается серьезной проблемой.

Система поведенческого анализа следующего-поколения NHPот Prisys Biotech объединяет технологии компьютерного зрения, глубокого обучения и 3D-реконструкции. Эта конвергенция позволяет проводить автоматизированный, детальный и многомерный -анализ поведения животных, знаменуя переход от качественного описания к точному количественному анализу в доклинических исследованиях.

Наша система построена на трех технологических принципах, призванных обеспечить максимальную целостность данных и благополучие животных.

1. Безмаркерный дизайн: приоритет естественного поведения и благополучия

• Технологический принцип:Система устраняет необходимость в светоотражающих маркерах или переносных датчиках. Используя видеопотоки высокого-разрешения, передовые алгоритмы глубокого обучения обнаруживают и отслеживают анатомические ключевые точки непосредственно на основе необработанных кадров в-реальном времени.
• Научная ценность:Удаляя физические маркеры, мы устраняем потенциальный дискомфорт, поведенческую заторможенность или риск отсоединения маркера. Это гарантирует, что животные остаются в естественном состоянии, что значительно повышает экологическую достоверность данных и соответствует самым высоким стандартам этики и благополучия животных.

2. Синхронизированное 3D-отслеживание в нескольких-просмотрах: за пределами 2D-плоскости

• Технологический принцип:Мы используем несколько синхронизированных камер с высокой-частотой кадров-, чтобы фиксировать поведение людей под разными углами. Многовидовая геометрия и алгоритмы реконструкции объединяют эти двухмерные входные данные для создания трехмерных-скелетных структур и пространственных траекторий в реальном времени.
• Научная ценность:Исследователи получают доступ к полной пространственной реконструкции поведения. Помимо простых двумерных тепловых карт, система количественно определяет сложные кинематические параметры, такие как углы суставов (например, сгибание коленей), траектории конечностей и постуральную динамику. Такая глубина данных имеет решающее значение для анализа нарушений походки, координации движений и мелкой моторики с точностью, недостижимой традиционными методами.

3. Распознавание на основе глубокого обучения-: от кинематики к семантике

• Технологический принцип:Наши глубокие нейронные сети, обученные на обширных наборах данных аннотированных поведенческих видео, выходят за рамки скелетного отслеживания и автоматически классифицируют отдельные поведенческие события (например, ходьба, лазание, хватание, уход). Система записывает временную последовательность, частоту и продолжительность этих событий.
• Научная ценность:Это преобразует необработанные кинематические данные в биологически значимые поведенческие данные. Это позволяет автоматически генерировать «этограммы» и анализировать временные модели поведения. Развивающиеся алгоритмы искусственного интеллекта системы обеспечивают постоянное повышение точности распознавания, позволяя обнаруживать тонкие фенотипические изменения, возникающие в результате прогрессирования заболевания или фармакологического вмешательства.

Эта система в настоящее время используется для оценки эффективности в различных нейробиологических контекстах и ​​моделях заболеваний:

• Двигательные расстройства (Болезнь Паркинсона, SCI):Точная количественная оценка параметров походки (длина шага, частота шагов, симметрия), амплитуды тремора, брадикинезии и стабильности позы обеспечивает объективные биологические конечные точки для оценки нейропротекторных средств или клеточной терапии.
• Исследования боли и анальгезия:Объективное выявление спонтанных поведений,-связанных с болью-таких как скручивание, охрана, избегание нагрузки-нагрузки и-царапание конкретного места-в сочетании с 3D-анализом движений для оценки влияния боли на общую активность и подвижность.

Нейропсихиатрические модели:

• Тревога/Страх:Анализ геологоразведочных работ в ходе открытых-полевых испытаний, продолжительности заморозки и поведения при оценке риска-.
• Мотивация/Ангедония:Количественная оценка поведения в отношении вознаграждений (еда, социальное взаимодействие), затрат усилий и скорости реакции.
• Аутоиммунные заболевания (например,Ревматоидный артрит):Помимо воспаления суставов, система создает «Этограмму поведения при заболевании», анализируя компенсаторные двигательные функции и поведенческие сдвиги, вызванные болью, предлагая новое измерение для оценки улучшения качества--жизни.

Гибкая архитектура платформы поддерживает приложения, которые выходят далеко за рамки текущих стандартных моделей:

• Социальная нейронаука:Отслеживание расстояния между-объектами, их ориентации и особенностей взаимодействия в условиях с несколькими-животными для изучения нейронных механизмов социальной иерархии, агрессии и про-социального поведения.
• Сон и циркадные ритмы:мелкозернистый-анализ архитектуры сна и бодрствования, имеющий решающее значение для изучения циркадных нарушений и проблем со сном при нейродегенеративных заболеваниях.
• Точное управление двигателем:Высокоточное-отслеживание движений пальцев и манипуляций с объектами дает ценную информацию для исследований кортикального моторного контроля, исследований мозгового-компьютерного интерфейса (BCI) и стратегий реабилитации.
• Мульти-модальное объединение данных:Временные метки высокой-точности системы позволяют синхронизировать-на уровне миллисекунд с ЭЭГ, ЭМГ, данными нейровизуализации и нейронными записями in vivo. Эта возможность облегчает анализ-по замкнутому циклу, напрямую связывая поведенческие результаты с основной активностью нейронных цепей.

Система трехмерного поведенческого анализа без маркеров на базе искусственного интеллекта-от Prisys Biotech представляет собой методологическое достижение в области нейробиологии. Освобождая исследователей от трудоемкой и субъективной оценки, он предоставляет объективные,-наборы данных большого размера. Благодаря плавной интеграции безмаркерного отслеживания и глубокого обучения эта система устраняет разрыв между сложным поведением NHP и нейронными механизмами, ускоряя преобразование фундаментальных научных открытий в эффективные клинические методы лечения.