摘要
小鼠冰醋酸扭体实验是动物行为学中筛选镇痛药物最为常用的实验，且为增强实验准确性，通常需要单人操作并进行大量重复性实验以避免偶然性。但其观测指标即扭体次数的记录往往依靠人工观察，费时费力，以一组阿司匹林对照实验为例，需要近七个小时来观察记录小鼠的扭体次数,这不仅耗费实验人员精力、增加入工成本，而且当工作量较大，所需观察的小鼠数量较多时，实验人员长时间观测记录还容易造成肉眼疲劳，从而导致观察记录错误，产生误差，影响实验质量和实验准确性与效率。目前，有关小鼠行为的应用研究多关注其体态行为如跑步、站立、喝水以及社群行为，尚未关注到小鼠的扭体行为，更没有相关小鼠扭体行为数据集。为降低人工成本、提高实验效率、探究小鼠扭体实验中更深层次的未知行为学特征，本研究借助人工智能技术，构建小鼠扭体数据集并设计实现了针对小鼠冰醋酸扭体视频的自动检测系统，无需实验人员费时费力地观察给药小鼠的反应。该系统可完成小鼠实验视频采集和扭体动作自动检测及记录分析等操作，为小鼠扭体实验提供一种新的分析方法。主要内容包括: （1）分析小鼠扭体动作特点和系统需求后，搭建小鼠行为的视频采集系统,包括实验箱和摄像机等。借助HSV颜色识别算法实现对小鼠的追踪，完成旷场实验的分析和轨迹绘制，随后通过与开源软件AnimalTracker的旷场实验分析结果对比，误差在3％内，得到一致的结果，验证了所搭建系统的可行性。 （2）录制小鼠冰醋酸扭体视频并利用DearpyGui编写的标签软件制作小鼠扭体数据集。借助DeepLabCut提取关键点并构建小鼠扭体特征，通过主成分分析法降维并输入到支持向量机，利用三折交叉验证和网格搜索调参得到最优SVM分类器完成分类。使用残差网络模型提取小鼠扭体特征，经过引入注意力机制和标签自蒸馏方法优化模型，最终在测试集的准确率为94.3％,实现小鼠扭体动作的检测识别。随后去除完整视频每一帧分类结果中的离群值，实现对二十分钟小鼠视频的检测，对比两种方法的时间成本和实际效果，最终选定标签蒸馏后引入注意力机制的残差网络模型作为小鼠冰醋酸扭体的识别模型。 （3）设计用户界面整合多项功能，并将其应用于阿司匹林镇痛实验，与人工观察的记录结果对比来验证系统的实际应用能力，最终计算出对长视频中扭体次数的检测平均准确率为86.5％。对扭体次数的统计分析后，发现对照组和给药组间具有差异性，与传统观察方法得到相同的统计结果。并对扭体过程中的细节信息如每次扭体时长、运动路程、两次扭体间的最小间隔等统计分析，两组间均表现出明显的差异性，证明了阿司匹林的镇痛药效，表明系统可以满足实验需求,为小鼠扭体实验提供新的行为学特征和分析方法。 本文将人工智能应用到小鼠冰醋酸扭体实验中，将注意力机制与知识蒸馏相结合提高了模型的准确率，在实现小鼠扭体自动检测的同时分析小鼠旷场实验，得到了较多传统人工观察无法获取的细节信息;并实现了重复性实验视频的串行处理，解决了小鼠扭体实验费时费力的问题。最终发现，在小鼠冰醋酸扭体实验中注射阿司匹林，除传统人工观察发现的扭体次数减少外，本研究所设计的视频检测系统还发现阿司匹林的注射明显地使小鼠的扭体持续时间和运动路程减少。不仅侧面验证了阿司匹林镇痛和镇静催眠的药效，还为筛选镇痛药物实验提供了更为细致的行为学特征，为小鼠冰醋酸扭体实验提供了新的实验工具，表明系统具有广阔的实际意义和应用价值，有助于推动探究更深层次的药物镇痛机制，也为将来实现更多的动物行为定量化与识别检测，简化实验操作提供了思路。
NETL