Details

Данная работа посвящена разработке удобного программного инструмента автоматизированного анализа видеоданных, полученных в ходе экспериментальных исследований с участием лабораторных мышей. В работе предложен комплексный подход, сочетающий методы классического компьютерного зрения и глубокого обучения, что позволяет минимизировать субъективность и повысить эффективность обработки экспериментальных данных. Задачи, которые решались в ходе данной работы: 1. Проведение разведочного анализа видеоматериалов экспериментальных сессий 2. Сбор, систематизация и предварительная обработка видеоданных 3. Проектирование и разработка алгоритмов сегментации зон арены с использованием классического компьютерного зрения 4. Обучение сверточных нейронных сетей для задачи детекции мыши и классификации ее поведения 5. Формализация выходных данных в структурированном табличном представлении и в видеопредставлении 6. Реализация методов визуализации полученных характеристик: a) визуализация траектории мыши в пространстве арены; b) визуализация тепловых карт пространственного распределения позиции и скорости мыши; c) визуализация зависимости скорости мыши от времени; d) визуализация динамики смены классов поведения в пространстве арены; e) визуализация этограммы (временной диаграммы поведенческих актов, позволяющей анализировать их последовательность и продолжительность) Разработанный программный комплекс представляет собой эффективное решение для автоматизации обработки видеоданных в нейробиологических исследованиях. Инструментарий позволяет существенно сократить временные затраты на анализ экспериментальных результатов, обеспечивая при этом высокую точность количественных оценок. Предлагаемое решение может быть адаптировано для широкого круга экспериментальных парадигм, предполагающих видеорегистрацию поведения лабораторных грызунов.

This work is devoted to the development of a convenient software tool for automated analysis of video data obtained during experimental studies involving laboratory mice. The paper proposes an integrated approach combining the methods of classical computer vision and deep learning, which minimizes subjectivity and improves the efficiency of experimental data processing. Tasks that were solved in the course of this work: 1. Conducting exploratory analysis of experimental session videos 2. Collection, systematization, and preprocessing of video data 3. Design and development of algorithms for segmentation of arena zones using classical computer vision 4. Training of convolutional neural networks for the task of detecting a mouse and classifying its behavior 5. Formalization of output data in a structured tabular representation and in a video representation 6. Implementation of visualization methods for the obtained characteristics: a) visualization of the mouse trajectory in the arena space; b) visualization of heat maps of the spatial distribution of mouse position and speed; c) visualization of the dependence of mouse speed on time; d) visualization of the dynamics of changing behavior classes in the arena space; e) visualization of an ethogram (a time diagram of behavioral acts that allows you to analyze their sequence and duration) The developed software automates video processing in neurobiological research, significantly reducing analysis time while maintaining high accuracy. The adaptable toolkit supports various rodent behavior experiments.

• Нейросетевой метод определения положения, характеристик и поведения мыши
  • Введение
  • 1. Теоретические основы
  • 2. Описание лабораторного эксперимента
  • 3. Реализация алгоритмов компьютерного зрения
  • 4. Обработка выходных данных
  • 5. Анализ полученных результатов
  • Заключение
  • Список использованных источников
  • Приложение 1. Примеры визуализации выходных данных