脚印背后的秘密，它知道
版权归原作者所有，如有侵权，请联系我们
小鼠行为分类系统。中科院成都生物所供图
小鼠、大鼠、猴子等模式动物的行为识别，在医学研究和药物开发中具有重要意义。然而，通过普通视频技术研究动物对特定刺激的反应，容易受到实验场所的光照条件和拍摄角度的影响。
为解决这一问题，近日，中科院成都生物研究所（以下简称成都生物所）动物行为与仿生项目的科研人员基于受抑全反射原理，设计了一个小鼠行为分类系统，通过小鼠的“脚印”来识别其行为，进而进行相关研究。多次实验结果表明，小鼠的足部接触特征在行为识别方面比普通视频更有效。相关论文发表于Knowledge-Based Systems。
密闭“黑箱”无干扰
在成都生物所研究员、论文共同通讯作者唐业忠的办公室，《中国科学报》记者见到了这个外表简易却暗含巧思的行为分类系统。外形上看，其为正方体或不规则的立方体框架，可灵活组合；顶部均嵌有透明的触屏板，底部则设有红外线摄像机。
唐业忠介绍，顶部四周框架的槽内“藏”有红外灯条（波长>950纳米），红外光从侧面注入行为场的透明下界面。根据受抑全反射原理，小鼠脚掌或脚趾与界面（触屏板）接触即形成脚印图像，并被红外摄像头记录。“系统很灵敏，就算是体重1克左右的小蝾螈踩上去，都能识别其脚印和尾巴。”
此外，系统可根据需要进行多面围挡，形成密闭和无光的“黑箱”。“这是系统最大的一个好处，就是能在完全‘无光’的条件下使用。”唐业忠表示，小鼠是夜行动物，做行为监测最好是顺应其生活规律设置实验环境，“而且在无干扰的环境下，对动物进行行为刺激（特别是视觉刺激）并监测，得到的数据更准确”。
小鼠平均行为识别率达83.09%
“老鼠的行为动作比较简单，基本上我们能够想象出来的动作都会带动脚的变化。”唐业忠表示，红外相机记录下的脚印数量、方向、轨迹以及变化频率等，能够更直观地反映出老鼠的行为。
收集到小鼠脚印图像后，研究团队建立了小鼠行为数据集（IMBD），并使用支持向量机（SVM）对脚印进行分类。为了提高性能，他们还提出了一种改进的粒子群算法对参数进行优化。在IMBD和SVM的基础上，团队测试了不同的特征提取方法和分类器。与其他常用的粒子群优化算法相比，该系统表现出了更高的精度和效率，对个体行为的识别率高达94.37%；所有被试小鼠的平均行为识别率达到83.09%。
该系统可用于肌肉骨骼关节类疾病、神经系统类疾病的动物模型或相关药物研发，检测反应机理或药效等。例如，步态改变是老年退行性病变早期最主要的外在表现，所以步态变化识别尤为重要。“而系统正是通过脚印的变化，更直接地监测行为的改变。”唐业忠表示，系统2.0版本将升级触屏板——柔性压力传感阵列，不但可以采集到脚印的时空变化，还能记录下脚底与接触面的压强，“这样能够更精准地监测到左右脚触地失衡程度”。
随着系统的不断升级完善，唐业忠希望其能够实现产业化，“主要面向制药公司和科研单位，也可服务于生态监测”。
让野外监测调查工作更省力
根据唐业忠关于小鼠行为分类系统的设计思路，成都生物所研究员谢锋对系统进行了改装，并成功应用于在野外对保护动物——大凉螈的生态学研究中。
“大凉螈等两栖爬行类是冷血动物，没法触发红外相机。以前我们要在它们繁殖迁徙的路上挖一个深30厘米左右的‘陷阱’，等其掉入，之后每天派人定时查看，作相应的记录后再放生。”谢锋说，而在最近的大凉螈繁殖季节中，其团队就使用这个改装版的行为分类系统进行监测。
“相当于把一个监测设备埋在了以前设‘陷阱’的地方，一旦有动物经过触屏板，底下的红外线摄像头就能记录下通过的时间、频率、脚印数量等。”谢锋团队根据这些信息判断动物种类、测定个体大小、分析活动规律等，数据更加丰富且准确，提高了工作效率。
同时，研究团队工作起来更省力，免去了每天来回跑动；监测工作对动物日常生活也实现了“零”干扰。谢锋透露，目前该设备已经申请了专利，后台数据读取还将引入人工智能（AI）识别功能，实现根据图像结构特征抓取相应数据，方便查找。
来源：中国科学院