Ученые смогли наблюдать за лабораторными животными без установки меток
Разработана система автоматического отслеживания перемещений и движений лабораторных животных, для которой не требуется установка меток.
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.
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.
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.
Telegram 
Дзен 
VK В доколумбовых Андах принадлежность к правящему роду определяла доступ к земле, торговле и статусу, поэтому удержать все внутри семьи было вопросом выживания. Ученые выяснили, что элиты долины Чинча решали эту задачу самым прямым способом — заключая браки между родственниками на протяжении как минимум двух поколений.
Последние несколько лет по всему миру выходит множество работ о том, что микрочастицы искусственных полимеров накапливаются в тканях человека и могут быть небезопасны. Мы решили обратиться к академику Алексею Хохлову, чтобы дать трибуну противоположной точке зрения. Выбор между ними предлагаем сделать читателю.
В эпоху искусственного интеллекта и стремительного развития технологий знание языка становится инструментальной компетенцией, а умение работать с учетом культурного контекста — стратегической. В День филолога, кандидат педагогических наук Екатерина Щавелева, заведующая кафедрой иностранных языков и коммуникативных технологий НИТУ МИСИС рассказывает, как гуманитарное образование приобретает новую ответственность и какое будущее у межкультурной коммуникации.
В доколумбовых Андах принадлежность к правящему роду определяла доступ к земле, торговле и статусу, поэтому удержать все внутри семьи было вопросом выживания. Ученые выяснили, что элиты долины Чинча решали эту задачу самым прямым способом — заключая браки между родственниками на протяжении как минимум двух поколений.
Последние несколько лет по всему миру выходит множество работ о том, что микрочастицы искусственных полимеров накапливаются в тканях человека и могут быть небезопасны. Мы решили обратиться к академику Алексею Хохлову, чтобы дать трибуну противоположной точке зрения. Выбор между ними предлагаем сделать читателю.
Астрофизики Южного федерального университета предложили объяснение одной из самых интригующих загадок современной физики — годичных колебаний сигнала в детекторе DAMA/LIBRA, который вот уже почти тридцать лет регистрирует странные сигналы в подземной лаборатории Гран-Сассо в Италии, интерпретируемые как взаимодействие частиц темной материи с обычным веществом.
В высокогорных районах Гималаев появился новый хищник. Он не боится людей, возглавляет стаи собак и все чаще заходит в деревни. Местные жители называют его «кхипшанг». Речь идет о гибриде гималайского волка и бродячей собаки. Ученые опасаются, что этот зверь изменит хрупкий баланс местной дикой природы и в скором времени станет весьма опасным для человека.
Релиз довольно неожиданно перенес время образования протонов и нейтронов в более раннее прошлое Вселенной. К сожалению, из его текста осталось неясным научное обоснование таких фундаментальных изменений в космологии. Также он резко передвинул в прошлое и момент возникновения реликтового излучения.
При совпадении нескольких условий наши глаза способны улавливать излучение в ближнем инфракрасном спектре. Тогда сетчатка начинает работать как нелинейный фотодетектор.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Что-то в вашем комментарии показалось подозрительным, поэтому перед публикацией он пройдет модерацию.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно
Последние комментарии