Ученые смогли наблюдать за лабораторными животными без установки меток — Naked Science
13.04.2018
Редакция
1

Ученые смогли наблюдать за лабораторными животными без установки меток

Разработана система автоматического отслеживания перемещений и движений лабораторных животных, для которой не требуется установка меток.

14-0
©Wikipedia

Американские и немецкие ученые совместно разработали систему автоматического слежения за лабораторными животными — DeepLabCut. Теперь исследователи следят за перемещениями и действиями подопытных, не ставя на них метки.

 

Традиционно видеонаблюдение дает много материала для научной работы с животными, но и занимает достаточно времени. Просмотр записей — длительная процедура, которую не всегда можно ускорить. Отличать животных друг от друга трудно, и на них приходится ставить метки. Если пометить крысу цветными пятнами легко, то с мелкими насекомыми возникает проблема. Кроме того, животные стирают метки.

 

Проблема распознавания отдельных особей с маркерами давно решена, также используют тепловые сигнатуры — они хорошо подходят для крупных животных на свободе. Если же эксперимент требует следить за отдельными конечностями или другими частями животного, то задача многократно усложняется. Сам ученый легко распознает детали на видео, но вынужден просматривать записи в реальном времени. Для автоматического распознавания движений пальцев метки придется ставить очень тесно. Крепления при этом сложно сделать надежно, так как животные будут их грызть.

 

Коллектив ученых во главе с Маттиасом Бетге (Matthias Bethge) отказался от меток, решив использовать нейросети. Метод прост: снимки размечают вручную с указанием точек, которые затем отслеживает программа. Нейросеть обучают, и она определяет для каждого пикселя изображения вероятность появления соответствующей части тела с учетом положения животного в пространстве. Число снимков, которые нужно разметить вручную, невелико: уже со ста система работает уверенно, исследователи рекомендуют для надежности разметить 200 кадров.

 

Ученые использовали сверточную нейронную сеть (convolutional neural network, CNN), строение которой аналогично работе зрительной коры человека. Поэтому такая архитектура сети хорошо подходит для распознавания образов. Специалисты дополнительно применили метод глубокого обучения (deep learning) с использованием технологии DNN (Deconvolutional Neural Networks). Параметры и фильтры, сформированные в процессе обучения CNN, используют для первичной обработки сигналов, что улучшает распознавание объектов.

 

Специалисты провели два эксперимента на мышах и один на дрозофилах.

 

Бег грызуна по бумажной катушке с «нарисованной» запахом дорожкой изучали при первом опыте. Видеозапись специально осложняли помехами: неоднородное освещение, динамические тени от животного, искажения от широкоугольного объектива. Во время бега мышь часто пересекала след и поворачивала.

 

Для опыта использовали семь мышей. Съемку вели две камеры, 640×480 и 1700×1200 пикселей, с частотой 30 Гц.  Кадры с высоким разрешением чрезмерно велики для обработки, поэтому их обрезали до размера 800×800 пикселей вокруг изображения мыши. Ученые взяли 1080 случайных кадров из разных съемок и проставили метки на морду, кончики ушей и основание хвоста.

 

На видео зеленые и голубые точки показывают 30 будущих и прошлых позиций морды с периодичностью в 33,3 миллисекунды. Пурпурные ромбы обозначают расположение тела и морды с ушами в прошлом. Вместе эти четыре точки определяют направление тела и головы мыши. Дорожка с запахом нарисована серым цветом.

 

Мониторинг движения мыши по запаховому следу / © A. Mathis, Murthy Lab (Harvard University)

 

При втором исследовании отслеживали движения передней лапки мыши. Предварительно зверьков научили за вознаграждение тянуть специальный рычаг. Метки при таком наблюдении использовать практически невозможно.

 

В эксперименте использовали пять мышей. Съемка велась на камеру с разрешением 2048×1088 пикселей и частотой 100-320 кадров в секунду. Исследователи разметили 159 кадров, на каждом пальце было по четыре метки: на кончике, межфаланговом и пястно-фаланговом суставах, основании запястья. Изображение обрезали до области, содержащей нужное движение. Видео наглядно демонстрирует возможности метода.

 

Мониторинг движения передней лапы мыши при тяге за рычаг / © A. Mathis, Murthy Lab (Harvard University)

 

Третий опыт — мониторинг поведения дрозофил во время яйцекладки. В этом случае нанесение меток крайне затруднительно из-за размера мушек. На кадрах разметили 12 точек: четыре на голове, семь на тельце и одну на яйцекладке. Метод отлично работал и в этом случае.

 

Вычисления каждого эксперимента требовали около полумиллиона шагов обучения нейросети, что заняло от 24 до 36 часов работы видеокарты NVIDIA GTX 1080 Ti.

 

Ученые выложили программу вычислений в свободный доступ.

Нашли опечатку? Выделите фрагмент и нажмите Ctrl + Enter.
31 июля
Илья Ведмеденко

Таким образом, астронавтов с высокой вероятностью на поверхность спутника Земли доставит модернизированный Starship.

31 июля
КНЦ РАН

Специалисты из Кольского научного центра придумали способ предсказания свойств рудных минералов по химическому составу горных пород, что облегчает задачу определения их минерального состава.

Вчера, 13:03
Мария Азарова

Исследование микробиома кишечника, проведенное японскими и американскими учеными, предоставляет один из потенциальных ключей к долголетию и лечению бактериальных инфекций.

27 июля
Сергей Васильев

Окаменелости возрастом более 3,4 миллиарда лет могут быть остатками микробов-архей, живших и выделявших метан у гидротермальных источников на дне ископаемого моря.

28 июля
Мария Азарова

Член Северо-Западной организации Федерации космонавтики России Александр Хохлов рассказал о проблемах, сопровождающих модуль «Наука» на пути к МКС, и объяснил, почему на долгожданную стыковку будет всего одна попытка.

26 июля
Илья Ведмеденко

Египтяне провели учения, на которых французский истребитель Rafale одолел российский Су-35. Оба самолета принадлежат к четвертому поколению.

25 июля
Александр Березин

До массовой термоядерной энергетики 20 лет — и всегда будет 20 лет. Это незатейливая шутка сама стала старой еще 20 лет назад. Общество расстраивается от того, что термояд все никак не могут вывести на промышленный уровень. И лишь Илон Маск считает, что термоядерный реактор вовсе не нужен. Внимательный анализ показывает, что он прав. Даже если все технические проблемы термоядерной энергетики чудесным образом разрешатся, у нее не будет шансов вытеснить конкурентов. Как так вышло, и что тогда спасет человечество от энергетического кризиса?

13 июля
Ольга Иванова

Международная команда ученых идентифицировала ДНК из почвы в грузинской пещере. Благодаря этому исследователям удалось восстановить геном человека возрастом 25 тысяч лет, не имея никаких скелетных останков.

8 июля
Василий Парфенов

Подросток из бельгийского города Остенде стал вторым самым юным обладателем высшего образования в обозримой истории. Он с отличием окончил курс физики в Антверпенском университете и теперь собирается защитить магистерскую степень, а затем и докторскую диссертацию в этой области. Цель у него простая и понятная: увеличение продолжительности жизни человека вплоть до полного бессмертия за счет замены частей тела и органов механическими или искусственными.

[miniorange_social_login]

Комментарии

1 Комментарий

-
0
+
"строение которой аналогично работе зрительной коры человека" Но это неточно.
Подтвердить?
Подтвердить?
Лучшие материалы
Войти
Регистрируясь, вы соглашаетесь с правилами использования сайта и даете согласие на обработку персональных данных.

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам: