动画小鼠可重演常见的行为实验，并可用于训练自动跟踪实验动物运动的算法。该方法可以帮助研究人员更有效地分析小鼠行为。
研究人员通常使用摄像机来捕捉模拟某些自闭症特征的小鼠的行为和运动。然后，他们可以使用机器学习算法自动标记和跟踪特定的身体部位，例如老鼠的手指或脊椎。
然而，训练算法可能很费力。例如，为了训练一种广泛使用的跟踪工具 DeepLabCut，科学家需要在大约 100 到 200 个静止帧中手动标记动物身上的特定点。汇集来自多个视频的数据带来了额外的挑战，并且可能会使训练过程更长。
“如果照明不同，或者摄像头角度不同，它可能会破坏一些机器学习跟踪系统，”加拿大温哥华不列颠哥伦比亚大学精神病学教授Timothy Murphy说，他领导了新的工作。“我们想要一个更通用的场景。”
为了更轻松地组合来自多个视频的数据，Murphy 和他的同事创建了一个小鼠动画模型，并用它来模拟真实小鼠的视频。墨菲说，动画视频可以加快算法训练的过程，因为研究人员只需在虚拟小鼠上标记一次感兴趣的特征。
充满皮肤、毛皮和胡须的虚拟老鼠反映了三只雌性小鼠的计算机断层扫描。该团队使用人工智能工具使动画小鼠看起来更逼真，并为视频添加了细微的变化——例如调整小鼠的动作或改变照明——以使训练数据多样化。
为了测试这种方法，该团队使用了一个在轮子上运行的动画小鼠的人造视频。他们训练了一个 DeepLabCut 算法来跟踪动画动物脊柱和左肢的 28 个标记。然后，他们使用该算法分析真实老鼠的视频并评估其性能。为了将人工训练的算法与更传统的方法进行比较，研究人员还手动标记了老鼠真实镜头中的帧。
使用合成视频训练的算法的性能与手动方法差不多：其准确性与使用 200 个手动标记帧训练的算法相当，研究人员于去年 4 月在Nature Methods中报告。人工训练的算法也产生很少的错误——标记的位置与手动标记的位置相比，平均相差 6.7 个像素。
研究人员使用人造视频来跟踪 3D 中特定身体部位的位置。传统方法通常需要以不同角度设置多个摄像头来执行相同操作。
使用虚拟小鼠，研究人员可以仅使用一个摄像头视图来估计身体部位的 3D 位置。由于虚拟老鼠模型固有地捕获 3D 信息，研究人员可以轻松地将身体标记的 2D 位置转换为 3D。
研究人员说，虚拟小鼠可以帮助研究人员训练各种分析行为的算法。创建动画视频需要时间，但该方法对于想要跟踪大量身体部位的研究人员或当多个小组使用相同的实验设置时可能特别有用。
墨菲和他的同事说，他们计划使用这种方法来寻找概括自闭症特征的小鼠的细微行为差异。
如果您也对动物实验感兴趣，欢迎关注和推荐头条号：脑声常谈 和 *bioviewer（动物神经科学与行为学），专注于动物神经科学与行为学的实验知识的方法传播与分享交流，您可以推荐给您身边的朋友、同学以及老师，我们会定期更新您需要的相关实验方法的视频和文章，希望能对大家带来帮助！
