Siguiendo los métodos descritos en este protocolo, los investigadores podrán grabar y analizar vídeos de roedores realizando pruebas de comportamiento complejas en cámaras de acondicionamiento de operandos. El protocolo describe cómo construir una cámara de vídeo de bajo costo y utilizarla junto con un software de seguimiento de código abierto. Este es un enfoque atractivo para los laboratorios con un presupuesto ajustado.
El método es valioso para proyectos de investigación que implican el acondicionamiento de operandos en roedores. Como el análisis de vídeo puede mejorar en gran medida la comprensión de los comportamientos vistos en este tipo de pruebas. Comience colocando el anillo metálico alrededor de la abertura del soporte de la cámara.
A continuación, conecte el módulo de la cámara al soporte utilizando las tuercas y pernos que acompañan al kit. Abra los puertos de cable de cinta en el módulo de la cámara y el microordenador acotando suavemente en los bordes de sus labios de plástico. Encienda el cable de cinta en el puerto abierto del módulo de la cámara para que los conectores de plata de los cables se enfrenten a la placa de circuito.
A continuación, enciérralo en su lugar empujando el clip de plástico. Repita el proceso con un puerto en el microordenador. A continuación, conecte la lente ojo de pez al anillo metálico del soporte de la cámara.
Coloque el microordenador en la caja de plástico e inserte la tarjeta micro SD indicada. A continuación, conecte un monitor, un teclado y un ratón al microordenador y comenzó conectando su fuente de alimentación. Abra una ventana de terminal y escriba sudo apt hyphen, get update.
A continuación, pulse la tecla Intro. Siguiente tipo sudo apt actualización de guión completo y pulse intro. En el menú de inicio, seleccione preferencias y configuraciones de RASPBERRY PI.
Cuando se abra la ventana, vaya a la pestaña interfaces y habilite la cámara y el I2C Luego haga clic en OK. Copie el archivo suplementario uno en una memoria USB. A continuación, transfiéralo a la carpeta PI de inicio de microordenadores y cámbiele el nombre.
Abra una ventana de terminal tipo pseudo nano slash etc, barra RC punto local y pulse Intro. Utilice las teclas de flecha de los teclados para mover el cursor hacia abajo al espacio entre fi y salida cero. A continuación, agregue texto para que el equipo inicie el script copiado.
Y los LED infrarrojos, cada vez que arranca. Guarde los cambios pulsando control y X seguido de Y e introduzca. Próximas resistencias de soldadura y cables de puente hembra en las patas de dos LED de colores.
Soldar cables de puente hembra en dos interruptores de botón. A continuación, conecte los interruptores LED de color y el módulo led infrarrojo listado a los extremos del aro GPI de las computadoras. Cuando se conecta correctamente, un led indicará que la cámara está encendida y lista para ser utilizada.
Mientras que el otro indica que la cámara está grabando un video. El botón con los cables largos se utiliza para iniciar y detener las grabaciones de vídeo. Mientras que el botón con estos cables cortos se utiliza para apagar la cámara.
Establezca el protocolo para utilizar la luz de la casa de las cámaras de operación como indicador de un paso específico en el protocolo. A continuación, establezca el protocolo para registrar todos los eventos de interés con marcas de tiempo en relación con cuando este indicador de paso de protocolo se active. Coloque la cámara encima de las cámaras de operación y comience conectándola a una toma de corriente a través del cable de alimentación.
Utilice el botón conectado previamente para iniciar y detener grabaciones de vídeo. Cuando terminen las grabaciones de vídeo, conecte la cámara a un monitor, ratón de teclado y dispositivo de almacenamiento USB y recupere los archivos de vídeo de su escritorio. Utilice la función de agarre de fotogramas DeeplabCuts para extraer de 700 a 900 fotogramas de vídeo de uno o más de los vídeos grabados.
Asegúrese de que los fotogramas de vídeo que seleccione muestren al animal en diferentes posturas, tanto estacionarios con la cabeza fuera como dentro de las aberturas y moviéndose en diferentes direcciones. Utilice la caja de herramientas de etiquetado para marcar manualmente la posición de la cabeza de la rata en cada fotograma de vídeo colocando una etiqueta de cabeza en una posición central entre las orejas de la rata. También etiquete otras partes del cuerpo que puedan ser de interés.
Además, marque una posición del indicador de paso de protocolo en cada fotograma de vídeo donde esté brillando activamente. A continuación, utilice el conjunto de datos de entrenamiento de creación y las funciones de red de tren para crear un conjunto de datos de entrenamiento a partir de los fotogramas de vídeo etiquetados e iniciar el entrenamiento de una red neuronal. Cuando se haya entrenado una red neuronal, utilícela para analizar los vídeos recopilados.
Esto creará un archivo CSV que enumera las posiciones de la pista de la cabeza de la rata, otras partes del cuerpo de interés y el indicador de paso de protocolo en cada fotograma de vídeo. Además, creará archivos de vídeo marcados donde las posiciones de la pista se muestran visualmente. Para obtener coordenadas de puntos de interés específicos dentro de las cámaras de operación, márquelos manualmente como se describió anteriormente y recupere las coordenadas del archivo CSV que se almacena automáticamente bajo datos etiquetados en la carpeta del proyecto.
Tenga en cuenta que en los segmentos de vídeo se realiza un seguimiento del indicador de paso de protocolo dentro de los 60 píxeles de la posición obtenida manualmente en la sección anterior y extraiga el punto de inicio exacto para cada período en el que el indicador está activo. Utilice los puntos donde el indicador de paso de protocolo se activa y las marcas de tiempo grabadas por las cámaras de operación. Determinar qué segmentos de vídeo cubren eventos específicos del protocolo de prueba, como intervalos entre pruebas, respuestas o recuperaciones de recompensas.
Tenga en cuenta los fotogramas de vídeo que cubren los eventos que son de interés específico. Por último, realizar un análisis en profundidad relevante de la posición y los movimientos del animal, durante estos eventos. La lente de ojo de pez de la cámara debe permitirle capturar una vista completa del interior de la mayoría de las cámaras de acondicionamiento de operandos de roedores.
Mediante el uso de una fuente adecuada de iluminación infrarroja, la cámara también permitirá la captura de vídeo en completa oscuridad. Una red bien entrenada debe permitir más del 90% de precisión al rastrear la cabeza de un animal. El seguimiento preciso es claramente identificable por marcadores que siguen a un animal a lo largo de sus movimientos y los caminos trazados que parecen suaves.
Por el contrario, el seguimiento inexacto se caracteriza por marcadores que no permanecen de forma fiable en el objetivo y por caminos trazados irregulares. Como resultado de este seguimiento inexacto normalmente causa cambios repentinos en las velocidades de movimiento calculadas. Mediante el seguimiento de dónde se encuentra un animal a lo largo de una sesión de prueba, se puede evaluar cómo los patrones de movimiento distintos se relacionan con el rendimiento.
Por ejemplo, en la prueba de tiempo de reacción en serie de cinco opciones, los movimientos de la cabeza durante el intervalo entre pruebas, se pueden utilizar para separar los ensayos de emisión en los que el animal muestra un interés limitado en realizar una respuesta. De una misión de pruebas donde el animal simplemente no nota la breve señal de luz. Además, la investigación de los movimientos de la cabeza puede permitir la detección y caracterización de diferentes estrategias de atención.
Al intentar este procedimiento, es importante que el indicador de paso de protocolo sea confiable. Y que la red neuronal está entrenada con unas inmersiones de fotogramas de vídeo. Para garantizar un seguimiento preciso.
