Miks manuaalne vaatlus ei suuda järgida kaasaegseid käitumisuuringuid
Manuaalne vaatlus on käitumisuuringutes pikka aega kasutusel olnud ja sellel on endiselt oma koht. Koolitatud vaatleja suudab märkida peenikesi kehahoikeid, sotsiaalseid interaktsioone ja konteksti, mida kaameraga võib kaduda. Kuid manuaalne hindamine on piiratud. Inimene saab korraga jälgida vaid mõnda kala ja hindamine toimub reaalajas või videot taasesitades. Tekib väsimus. Kaks vaatlejat võivad sama käitumise erinevalt hinnata. Kiired sündmused, näiteks äkiline reageerimine, mis kestab murdosas sekundist, on lihtne täielikult vaadata.
Kaasaegsed zebrafishide käitumise uuringud hõlmavad sageli mitmeid akvaariume, mitmeid kontsentratsioone ja mitmeid ajapunkte. Andmemaht ületab selle, mida iga meeskond suudaks käsitsi hindada. Zebrafishide käitumise analüüsisüsteem, mis põhineb videojälitamisel, muudab seda olukorda. See suudab korraga salvestada mitmeid areenaid ja ekstraheda liikumisandmeid ilma vaatleja vajaduseta jälgida iga sekundit. See ei kaota inimlikku hinnangut, kuid nihutab inimese rolli hindamiselt ülevaatusele.
Mida videojälitus tegelikult registreerib, mida muud meetodid jätab vahele
Videojälitus ei mõõda ainult seda, kas kala liikus. See mõõdab, kuidas, millal ja kus. Jälitustorustik suudab arvutada kogu läbitud kauguse, keskmise kiiruse, maksimaalse kiiruse, pöördenurga, kiirenduse ja aegu kindlaksmääratud tsooni sees. See suudab tuvastada paigalseisundi (freezing), mis on periood, mil kala ei liigu ja mis sageli näitab hirmu või stressi. See suudab mõõta viivitust uue ala sissemiseks pärast stiimulit.
Need need metrikeid on olulised, sest erinevad käitumismustrid võivad üleüldiselt olla sarnased. Kala, kes ujub kitsastes ringides, ja kala, kes ujub sirgjooneliselt, võivad läbida sama kauguse, kuid nende aluslik käitumine on erinev. Kala, kes peab end pidevalt akvaariumi põhjas, võib olla ärev või lihtsalt külm või ta võib lihtsalt eelistada seda tsooni. Videojälgimine annab teadlasele algandmed, mille abil saab neid tõlgendusi testida.
-
Kokku läbitud kaugus ja keskmine kiirus.
-
Tippkiirus ja kiirendus kiirendusperioodidel.
-
Aeg, mille kuluks tsoonides, näiteks ülaservas võrreldes alumisega.
-
Kinnise seisundi kestus ja sagedus.
-
Reageerimise viivitus valgus- või helistimulile.
Kaadrisageduse ja eraldusvõime roll käitumisandmete kvaliteedis
Video jälgimine on sama hea kui video, mida seda analüüsib. Kaadrisagedus määrab, kui palju kiiret sündmust salvestatakse. Ühe sekundi murdosas kestv äkiline reageerimine võib madala kaadrisageduse korral kokku tõmmata ühele kaadrile, mistõttu on latentsust ja suurust võimatu täpselt mõõta. Kõrgem kaadrisagedus salvestab rohkem detaile, kuid toob kaasa suuremad failid ja nõuab rohkem töötööd.
Resolutsioonil on teistsugune tähtsus. Zebrafish-larv on väike ja tema asukohta tuleb täpselt jälgida. Kui resolutsioon on liiga madal, võib jälgimisalgoritm segi ajada kalat peegelduse või prügiga. Kui resolutsioon on väga kõrge, muutuvad failid suureks ja analüüs aegleneb. Õige tasakaal sõltub areenast, kala vanusest ja uuritavast käitumisest.
| Aspekt | Käsitsi vaatlus | Video jälgimissüsteem |
|---|---|---|
| Andmete maht | Piiratud vaatleja aegaga | Kõrge, pidev |
| Kiired sündmused | Lihtsalt mööda jäävad | Salvestatud, kui kaadrisagedus on piisav |
| Korduvus | Sõltub vaatlejast | Sõltub algoritmist, kuid konstantselt |
| Mitmearena läbilaskevõime | Madal | Kõrge |
| Inimese roll | Kriimustamine | Järelevalve ja valideerimine |
Kuidas jäspimisalgoritmid muudavad pikslid käitumismõõduteks
Video jäspimise tarkvara ei ole saladus. See kasutab järjestust samme, et iga kaadri puhul leida kala ja ühendada need tuvastused üheks jäspiks. Taustasubtraktsioon eemaldab pildi staatilised osad. Läve- või servatuvastus eraldab kala. Jäspimisalgoritm, näiteks keskpunkti jäspimine või Kalmani filter, ennustab, kus kala järgmises kaadris asub, ja seob selle tuvastusega.
Mitme kala puhul aitavad identiteedide säilitamiseks määramisalgoritmid, näiteks Ungari meetod, kui kalad ristuvad teineteisega. Välimuslikud tunnused, näiteks sabakuju või värvimustrid, võivad parandada identiteedi säilimist. Tulemuseks on ajas koordinaatide kogum, millest saadakse hiljem kirjeldatud käitumismõõdud. Igal sammul on parameetrid, mis mõjutavad tulemust, ning need parameetrid tuleb dokumenteerida ja eksperimentide vahel järjepidevalt kasutada.
Välja näide, kus videojälgimine avastas peidetud efekti
Ühe ida-Chiina ülikooli neurofarmakoloogia rühm testis anksiolüütilise toimega ühendit. Esimeses voorus kasutati valge ja tumeda kasti käsitsi hindamist. Tulemused olid ebakindlad. Mõned akvaariumid näitasid selget eelistust tumedale poolele, teised mitte. Vaatlejad ei olnud piirjuhtudel ühel meelel ja efekti suurus oli väike.
Grupp vahetas üle zebrafäästide käitumise analüüsi süsteemi, millel on videojäspärimine. Süsteem salvestas kõiki areenaid pidevalt ja arvutas automaatselt tsooni põhiseid näitajaid. Andmed näitasid, et ühendus vähendas tõesti tumedat eelistust, kuid see vähendas ka üldist liikumist. Käsitsi hindamisel jäi see teine mõju tähelepanuta, sest vaatlejad keskendusid tsooni valikule. Jäspärimisandmed tegid mõlemad mõjud nähtavaks. Grupp kohandas analüüsi, et eraldada need kaks käitumist. Ühendus oli endiselt huvitav, kuid tõlgendus muutus. Videojäspärimiseta võiks liikumismõju täiesti tähelepanuta jääda.
Kus videojäspärimisel on piirid ja inimlik hinnang on endiselt oluline
Videojälgimine on tööriist, mitte täielik lahendus. Seda võib segadusse ajada peegeldused, mullid ja mustus. Kala võib kaotsi minna, kui kontrast on halb või kui kala puudutab akvaariumi serva. See ei suuda kindlaks teha, kas kala näeb tervislik välja või kas akvaariumis on probleem, mis mõjutab käitumist. Sellised otsused nõuavad ikka inimest.
On ka oht liialt palju toetuda numbritele. Jälgimissüsteem saab genereerida suure tabeli meetmeid, kuid neist pole kõik tähendusrikad. Õigete meetmete valimine ja nende kontekstis tõlgendamine on oskus, mis areneb kogemusega. Süsteem pakub andmeid. Uurija annab neile tähenduse.
Hunter Lab (Hunter) valmistab zebrafishi laboratooriumiseadmeid, pöörates erilist tähelepanu pildistamisstabiilsusele, millele video jälgimine toetub. Tootmis- ja kvaliteedikontrolli osa tagab pikaajaliste käitumisuuringute jaoks vajaliku ühtlase kvaliteedi. Laborite jaoks, kes kasutavad käitumisanalüüsil video jälgimist, on selline ehitusdisipliin osa alusstruktuurist.