成果介绍
本发明公开了一种狭长跑道中小鼠自发性步态实时分析方法,属于机器视觉领域和深度学习领域,所述方法包括设计宽度足够小鼠自由进退的透明狭长跑道设备;使用狭长红色背景光源和绿色跑道光源照明,高帧频相机获取平面镜反射的小鼠步态图像,并输入计算机中;构建目标检测网络模型并训练,用训练好的目标检测网络模型,对高帧频相机获取的每一帧图像进行小鼠目标检测和关键点回归,实时输出小鼠四肢、鼻尖、嘴巴、腹部以及尾根共八个关键点坐标信息,对小鼠的步态进行实时分析;实时计算输出移动距离、速度、步长等步态特征参数等步骤。本发明可以长时间实时的分析小鼠步态,对基于小鼠行为学实验步态参数的量化研究具有较高的应用前景。
成果亮点
根据这段话生成一成果亮点200字
本成果研发了一套融合硬件创新与深度学习的狭长跑道小鼠步态实时分析系统。通过设计透明狭长跑道,结合高帧频相机与双色光源照明,利用平面镜反射清晰采集小鼠自发性运动影像。核心技术是基于深度学习的目标检测网络,能在每一帧图像中实时、精准地回归小鼠四肢、鼻尖、嘴、腹及尾根八个关键点坐标。据此可瞬时计算移动距离、速度、步长等步态参数。该系统突破了传统强迫式步态分析的局限,实现了在自由状态下的高通量、实时量化分析,为神经科学、药理学的行为学研究提供了高精度、自动化的技术支撑。
团队介绍
燕山大学 陈华 , 翟景盛 , 程磊 , 刘斌 , 胡春海
成果资料