AI-سیستم تحلیل رفتار سه بعدی NHP بدون نشانگر|Prisys Biotech

نخستی‌های غیر{0} انسان (NHPs) به دلیل شباهت‌های عصبی-آناتومیکی و شناختی که با انسان دارند، مدل‌های ضروری برای مطالعه عملکردهای بالاتر مغز و اختلالات عصبی هستند. با این حال، گرفتن و کمی کردن رفتار طبیعی آنها به صورت غیر تهاجمی یک چالش مهم باقی مانده است.

راسیستم تحلیل رفتاری-نسل بعدی NHPتوسط Prisys Biotech فن آوری های بینایی کامپیوتر، یادگیری عمیق و بازسازی سه بعدی را ادغام می کند. این همگرایی امکان تجزیه و تحلیل خودکار، دانه‌ای و چند بعدی-رفتار حیوانات را فراهم می‌آورد که نشان‌دهنده گذار از توصیف کیفی به تجزیه و تحلیل کمی دقیق در تحقیقات پیش‌بالینی است.

سیستم ما بر اساس سه ستون تکنولوژیکی طراحی شده برای به حداکثر رساندن یکپارچگی داده ها و رفاه حیوانات ساخته شده است.

1. طراحی بدون نشانگر: اولویت دادن به رفتار طبیعی و رفاه

• اصل فناوری:این سیستم نیاز به نشانگرهای بازتابنده یا سنسورهای پوشیدنی را از بین می برد. با استفاده از جریان‌های ویدیویی با وضوح بالا، الگوریتم‌های یادگیری عمیق پیشرفته، نکات کلیدی آناتومیک را مستقیماً از فیلم خام در زمان واقعی- شناسایی و ردیابی می‌کنند.
• ارزش علمی:با حذف نشانگرهای فیزیکی، ناراحتی احتمالی، مهار رفتاری یا خطر جدا شدن نشانگر را از بین می بریم. این تضمین می کند که حیوانات در حالت طبیعی باقی می مانند و اعتبار زیست محیطی داده ها را به طور قابل توجهی افزایش می دهد و بالاترین استانداردهای اخلاق و رفاه حیوانات را رعایت می کند.

2. چند{1}}نمایش ردیابی سه بعدی همگام شده: فراتر از صفحه دوبعدی

• اصل فناوری:ما چندین دوربین-فریم- با نرخ بالای همگام سازی شده را برای ثبت رفتار از زوایای متمایز به کار می بریم. الگوریتم‌های هندسه و بازسازی چند{3}}این ورودی‌های دوبعدی را برای ایجاد ساختارهای اسکلتی سه‌بعدی و مسیرهای فضایی-در زمان واقعی ترکیب می‌کنند.
• ارزش علمی:محققان به بازسازی فضایی کامل رفتار دسترسی پیدا می کنند. فراتر از نقشه‌های حرارتی دوبعدی ساده، این سیستم پارامترهای سینماتیکی پیچیده مانند زوایای مفصل (به عنوان مثال، خم شدن زانو)، مسیر اندام‌ها و پویایی وضعیتی را تعیین می‌کند. این عمق داده برای تجزیه و تحلیل ناهنجاری های راه رفتن، هماهنگی حرکتی و مهارت های حرکتی ظریف با دقتی که با روش های سنتی دست نیافتنی نیست، حیاتی است.

3. یادگیری عمیق-تشخیص مبتنی بر: از سینماتیک تا معناشناسی

• اصل فناوری:شبکه های عصبی عمیق ما که بر روی مجموعه داده های گسترده ای از ویدیوهای رفتاری مشروح آموزش دیده اند، فراتر از ردیابی اسکلتی هستند تا به طور خودکار رویدادهای رفتاری گسسته (مانند راه رفتن، بالا رفتن، گرفتن، نظافت) را طبقه بندی کنند. سیستم توالی زمانی، فرکانس و مدت این رویدادها را ثبت می کند.
• ارزش علمی:این داده‌های سینماتیک خام را به بینش‌های رفتاری معنادار بیولوژیکی تبدیل می‌کند. این امکان تولید خودکار "اتوگرام" و تجزیه و تحلیل الگوهای رفتاری زمانی را فراهم می کند. الگوریتم‌های در حال تکامل AI سیستم، بهبود مستمر در دقت تشخیص را تضمین می‌کند و امکان تشخیص تغییرات فنوتیپی ظریف ناشی از پیشرفت بیماری یا مداخلات دارویی را فراهم می‌کند.

این سیستم در حال حاضر برای ارزیابی اثربخشی در زمینه‌های مختلف مدل‌های عصب‌شناسی و بیماری‌ها به کار گرفته شده است:

• اختلالات حرکتی (بیماری پارکینسونSCI):کمی سازی دقیق پارامترهای راه رفتن (طول گام، آهنگ، تقارن)، دامنه لرزش، برادی‌کینزی و ثبات وضعیتی، نقاط پایانی بیولوژیکی عینی را برای ارزیابی عوامل محافظت کننده عصبی یا درمان‌های سلولی فراهم می‌کند.
• تحقیق درد و بی دردی:شناسایی عینی درد خودبخودی-رفتارهای مرتبط-مثل پیچ‌شدن، نگهبانی، اجتناب از تحمل وزن-اجتناب از تحمل وزن، و{3}}خراشیدن خاص{4}}همراه با تجزیه و تحلیل حرکت سه‌بعدی برای ارزیابی تأثیر درد بر فعالیت و تحرک عمومی.

مدل های عصب روانپزشکی:

• اضطراب/ترس:تجزیه و تحلیل اکتشاف در آزمایش‌های میدانی باز، مدت زمان انجماد، و رفتارهای ارزیابی خطر{1}}.
• انگیزه/آنهدونیا:کمی سازی رفتارهای رویکرد نسبت به پاداش (غذا، تعامل اجتماعی)، هزینه تلاش و سرعت واکنش.
• بیماری های خود ایمنی (مثلاروماتیسم مفصلی):فراتر از التهاب مفاصل، این سیستم یک "اتوگرام رفتار بیماری" ایجاد می کند، که عملکردهای حرکتی جبرانی و تغییرات رفتاری ناشی از درد را تجزیه و تحلیل می کند، و بعد جدیدی برای ارزیابی کیفیت-- بهبودهای زندگی ارائه می دهد.

معماری انعطاف پذیر پلت فرم از برنامه هایی پشتیبانی می کند که بسیار فراتر از مدل های استاندارد فعلی هستند:

• علوم اعصاب اجتماعی:ردیابی-فاصله موضوعی، جهت‌گیری، و الگوهای تعامل در تنظیمات چند حیوانی برای مطالعه مکانیسم‌های عصبی سلسله‌مراتب اجتماعی، پرخاشگری، و رفتارهای اجتماعی طرفدار-.
• خواب و ریتم شبانه روزی:تجزیه و تحلیل دقیق-معماری خواب و بیداری، که برای مطالعه اختلالات شبانه روزی و مسائل خواب در بیماری‌های عصبی ضروری است.
• کنترل دقیق موتور:ردیابی دقیق حرکات انگشتان و دستکاری اشیا بینش‌هایی را برای مطالعات کنترل حرکت قشر مغز، تحقیقات مغز-رابط رایانه (BCI) و استراتژی‌های توانبخشی ارائه می‌کند.
• چند-تلفیق داده‌های مودال:مهرهای زمانی{0}دقت بالای سیستم امکان همگام سازی در سطح میلی ثانیه- با EEG، EMG، تصویربرداری عصبی، و ضبط های عصبی in vivo را فراهم می کند. این قابلیت تجزیه و تحلیل حلقه بسته را تسهیل می‌کند و خروجی‌های رفتاری را مستقیماً به فعالیت مدار عصبی زیربنایی مرتبط می‌کند.

راسیستم تجزیه و تحلیل رفتاری سه بعدی بدون نشانگر مبتنی بر هوش مصنوعی-توسط Prisys Biotech نشان دهنده یک پیشرفت روش شناختی در علوم اعصاب است. با رهایی محققین از امتیازدهی-فشرده و ذهنی، مجموعه داده‌های عینی-بعدی را ارائه می‌دهد. این سیستم از طریق ادغام یکپارچه ردیابی بدون نشانگر و یادگیری عمیق، شکاف بین رفتار پیچیده NHP و مکانیسم‌های عصبی را پر می‌کند و ترجمه اکتشافات علمی پایه را به درمان‌های بالینی موثر سرعت می‌بخشد.