动物不断响应大脑的指令而运动。但是,尽管有先进的技术可以根据神经活动来测量这些指令,但仍缺乏用于量化自由移动动物自身行为的技术。这种无法测量大脑关键输出的能力限制了我们对神经系统及其在疾病中的变化的理解。
杜克大学和哈佛大学研究人员的一项新研究引入了一种自动化工具,该工具可以轻松捕获行为自由的动物的行为,并通过单个摄像机精确地重建其三维(3D)姿态,而无需标记。
杜克大学助理教授蒂莫西·邓恩(Timothy W. Dunn)和哈佛大学博士后研究员杰西·马歇尔(Jesse D.Marshall)在4月19日进行的《自然方法》研究中,描述了一种新的3D深层神经网络DANNCE(3维对齐神经网络,用于计算民族学)。该研究是该团队于2020年在Neuron中进行的研究的结果,该研究揭示了突破性的行为监控系统CAPTURE(使用后向反射器嵌入的连续附录和姿势跟踪),该系统使用运动捕捉和深度学习来连续跟踪自由行为动物的3D运动。捕捉对动物的行为产生了前所未有的详细描述。但是,它需要使用专门的硬件并将标记物附加到动物上,这给使用带来了挑战。
Dunn说:“有了DANNCE,我们可以减轻这一要求。”“ DANNCE即使在看不见的情况下也可以学会跟踪身体部位,这增加了可以使用该技术的环境的类型。我们需要这种不和灵活性来测量自然环境中的运动,以更有可能激发出完整的感觉。以及这些动物的行为举止复杂。”
DANNCE可在广泛的物种中工作,并且可在实验室和环境中重现,从而确保其对动物乃至人类的行为研究具有广泛的影响。它具有专门的神经网络,专门用于从视频进行3D姿势跟踪。一个关键方面是其3D特征空间以物理单位(米)而不是相机像素为单位。这使该工具可以更容易地在不同的相机布置和实验室之间进行归纳。相反,以前的3D姿态跟踪方法使用的是经过量身定制的二维(2D)姿态检测神经网络,该网络难以适应新的3D视点。
标签: 3D深层神经网络
免责声明:本文由用户上传,如有侵权请联系删除!