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 Древнеримские инженеры проложили колоссальную сеть дорог через Европу, Северную Африку и Ближний Восток, многие участки которой до сих пор поражают безупречной прямолинейностью. Секрет строительства заключался в использовании трех особых геодезических инструментов, с помощью которых разбивали местность на ровные отрезки и размечали трассы.
Самый маленький дневной хищник Африки впервые попал под наблюдение с помощью GPS-трекеров. Ученые выяснили, что для выкармливания птенцов ему нужен участок почти в 14 раз меньше, чем у степной пустельги — ближайшего «рекордсмена» среди изученных птиц.
В вакууме космоса два металлических предмета, прижатые друг к другу, могут спонтанно свариться без какого-либо нагрева. Из-за отсутствия кислорода на поверхностях деталей разрушается защитный слой, в результате чего свободные электроны начинают мгновенно перемещаться между ними и соединяют два элемента в один монолит.
Американские ветеринары установили, что длина шага передних лап у пожилых собак отражает возрастные изменения в работе мозга. Когда у собак развивается деменция, шаги их передних лап становятся короче, причем эта связь не зависит от хронической боли в суставах.
Терраформировать Марс — то есть превратить в мир, где можно жить без защитных куполов — мечта человечества с того момента, как стало понятно, что это холодная планета с призрачной бескислородной атмосферой. Сейчас главный хедлайнер ее освоения — Илон Маск, компания SpaceX которого планирует первые полеты туда уже в 2028 году. Многие энтузиасты вспоминают слова Маска 14-летней давности: Красную планету надо лишь «подремонтировать», чтобы ходить без скафандра. Но между полетом и прогулками по городу-саду на Марсе лежит огромная пропасть. Пару лет назад Naked Science рассматривал положительный сценарий терраформирования. Пришло время подсчитать, сколько же лет и ресурсов потребуется.
Биологи нашли особый тип стволовых клеток, которые просыпаются в среднем возрасте и активно производят новый жир на животе. Открытие сделали благодаря масштабным экспериментам на мышах и анализу человеческих тканей. Результат объяснил природу возрастного ожирения и дал новую цель для будущих лекарств.
Хотя длительность помех не превышала десяти секунд, это первый известный случай такого рода. Обычно спутникам не хватает мощности для создания радиосигналов той силы, что нужна для подобных помех.
Вселенная может оказаться «замкнутой» глобальной структурой, где свет от далеких галактик способен возвращаться к наблюдателю с разных направлений. Именно такой сценарий не удалось исключить авторам нового масштабного обзора. Проверить его предсказания астрономы смогут уже в ближайшие годы.
Ученые впервые на молекулярном уровне доказали, что обычная вода одновременно состоит из двух разных жидких состояний — более плотного и менее плотного, которые непрерывно сменяют друг друга. Раз молекулярная «двойственность» действительно существует, это подтверждает спорную 30-летнюю гипотезу. Новое открытие поможет, наконец, объяснить десятки «странных» физических аномалий воды, включая ее расширение при замерзании и парадоксальное изменение вязкости под давлением.
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