Miért nem képes a manuális megfigyelés lépést tartani a modern viselkedés-kutatással
A manuális megfigyelés hosszú történettel rendelkezik a viselkedés-kutatásban, és ma is van helye. Egy képzett megfigyelő észreveheti a kamerának esetleg elkerülő finom testtartásokat, társas interakciókat és kontextust. De a manuális értékelésnek van egy felső határa. Egy személy egyszerre csak néhány halat tud megfigyelni, és az értékelés valós időben vagy videólejátszásból történik. Fáradtság támad. Két megfigyelő ugyanazt a viselkedést eltérően értékelheti. A gyors események – például egy másodperc tört részéig tartó ijedtségi reakció – könnyen teljesen elkerülhetik a figyelmet.
A modern zebrafish viselkedésanalízis gyakran több akváriumban, több koncentrációban és több időpontban zajlik. Az adatmennyiség meghaladja azt, amit bármely csapat kézzel értékelni tudna. A videókövetésen alapuló zebrafish viselkedésanalízis-rendszer megváltoztatja ezt az egyenletet. Egyszerre több pályát is rögzíthet, és mozgásadatokat vonhat ki megfigyelő nélkül, aki minden másodpercet figyelne. Ez nem szünteti meg az emberi ítélet szükségességét, de az emberi szerepet az értékeléstől az ellenőrzésre helyezi át.
Mire képes a videókövetés, amit más módszerek kihagynak
A videókövetés nem csupán azt méri, hogy egy hal mozgott-e. Azt is méri, hogyan, mikor és hol mozgott. Egy követési folyamat összesített távolságot, átlagsebességet, csúcssebességet, fordulási szöget, gyorsulást és meghatározott zónákban töltött időt számíthat ki. Észlelheti a merevedést (freezing), azaz a mozdulatlanság idejét, amely gyakran félelmet vagy stresszt jelez. Megmérheti a válaszidőt (latency) egy új területre való belépéshez egy inger után.
Ezek a mérőszámok fontosak, mert különböző viselkedések pillanatnyi megfigyelésre hasonlóan nézhetnek ki. Egy hal, amely szoros köröket ír le, és egy hal, amely egyenes vonalban úszik, ugyanakkora távolságot tehet meg, de az alapul fekvő viselkedés eltérő. Egy hal, amely a medence alján marad, ideges lehet, vagy esetleg hideg érzi magát, vagy egyszerűen csak ezt a zónát részesíti előnyben. A videós nyomkövetés nyers adatokat szolgáltat, amelyek segítségével a kutató ellenőrizheti ezeket az értelmezéseket.
-
Összes megtett távolság és átlagsebesség.
-
Csúcssebesség és gyorsulás robbanásszerű mozgások során.
-
Időtartam zónákban, például felső versus alsó régió.
-
Megdermedés időtartama és gyakorisága.
-
Reakcióidő egy fény- vagy hangingerre.
A képkockasebesség és felbontás szerepe a viselkedési adatok minőségében
A videokövetés minősége csak annyira jó, amennyire jó a vizsgált videó. A képkockasebesség meghatározza, hogy egy gyors esemény mennyi részletét rögzítjük. Egy másodperc tört részét tartó ijedtségi reakció alacsony képkockasebességnél egyetlen képkockára csökkenhet, így a késleltetés vagy a reakció mértékének pontos mérése lehetetlenné válik. Magasabb képkockasebesség több részletet rögzít, de nagyobb fájlokat eredményez, és több feldolgozási teljesítményt igényel.
A felbontás más okból is fontos. A zebrahal lárvája kicsi, és pontosan nyomon kell követni a helyzetét. Ha a felbontás túl alacsony, a követő algoritmus összekeverheti a halat egy tükörképpel vagy szennyeződéssel. Ha a felbontás túl magas, a fájlok nagyobbak lesznek, és az elemzés lassabbá válik. A megfelelő egyensúly az akvárium méretétől, a hal életkorától és a tanulmányozott viselkedéstől függ.
| Aspektus | Kézi megfigyelés | Videokövető rendszer |
|---|---|---|
| Adatmennyiség | Megfigyelő idejével korlátozott | Magas, folyamatos |
| Gyors események | Könnyen elkerülhetők | Rögzítve vannak, ha a képkockasebesség megfelelő |
| Ismétlődőség | Megfigyelőtől függő | Algoritmustól függő, de konzisztens |
| Többterületes áteresztőképesség | Alacsony | Magas |
| Az ember szerepe | Horonykészítés | Felügyelet és érvényesítés |
Hogyan alakítják a nyomon követési algoritmusok a képpontokat viselkedési mutatókká
A videó-nyomon követéshez használt szoftver nem varázslat. Egy lépéssorozatot alkalmaz annak érdekében, hogy megtalálja a halat minden képkockában, és ezeket a detektálásokat nyomvonalakká kapcsolja össze. A háttér kivonása eltávolítja a kép statikus részeit. A küszöbérték-beállítás vagy az éldetektálás izolálja a halat. Egy nyomon követési algoritmus – például a súlypont-nyomon követés vagy egy Kalman-szűrő – előrejelzi, hol lesz a hal a következő képkockában, és hozzárendeli egy detektáláshoz.
Több hal esetén olyan hozzárendelési algoritmusok – például a magyar módszer – segítenek fenntartani az egyes halak azonosságát akkor is, amikor keresztezik egymás útját. A megjelenési jellemzők – például a farok alakja vagy a színmintázat – javíthatják az azonosság fennmaradását. A kimenet egy időbeli koordinátahalmaz, amelyet aztán a korábban leírt viselkedési mutatókká alakítanak át. Minden lépésnek vannak paraméterei, amelyek befolyásolják az eredményt, és ezeket a paramétereket dokumentálni kell, valamint kísérletek között konzisztensen kell alkalmazni.
Egy példa arra a területre, ahol a videókövetés felfedett egy rejtett hatást
Egy kelet-kínai egyetemen működő neurofarmakológiai csoport egy anxiolitikus hatású vegyületet vizsgált. Az első körben a fényes és sötét doboz kézi értékelését alkalmazták. Az eredmények ellentmondásosak voltak. Néhány tartályban egyértelműen megfigyelhető volt a sötét oldal iránti preferencia, másokban nem. A megfigyelők vitatkoztak a határesetekről, és a hatás mértéke kicsi volt.
A csoport áttért egy videókövetést alkalmazó garnéla-viselkedésanalízis rendszerre. A rendszer folyamatosan rögzítette minden arénát, és automatikusan számította a zónák alapján meghatározott mutatókat. Az adatok azt mutatták, hogy a vegyület csökkentette a sötét preferenciát, de egyúttal csökkentette az általános mozgást is. A kézi értékelés során ezt a második hatást nem vették észre, mert a megfigyelők a zónaválasztásra koncentráltak. A követési adatok mindkét hatást láthatóvá tették. A csoport módosította az elemzést, hogy elkülönítse a két viselkedést. A vegyület továbbra is érdekes maradt, de az értelmezés megváltozott. Videókövetés nélkül a mozgási hatás teljesen kimaradhatott volna.
Ahol a videókövetés korlátai vannak, és az emberi ítélet továbbra is számít
A videókövetés egy eszköz, nem pedig teljes megoldás. Megzavarhatják a visszaverődések, a buborékok és a szennyeződések. Elveszítheti a halat, ha az kontrasztja gyenge, vagy ha a hal érinti az akvárium peremét. Nem tudja megállapítani, hogy egy hal egészséges-e, sem azt, hogy az akváriumban van-e olyan probléma, amely befolyásolja a viselkedését. Ezeket a megítéléseket továbbra is emberi döntésnek kell hozni.
Fennáll a számokra való túlzott támaszkodás kockázata is. Egy követőrendszer nagy mennyiségű metrikát tud előállítani, de ezek közül nem mindegyik jelentős. A megfelelő metrikák kiválasztása és kontextusukban történő értelmezése egy tapasztalattal fejlődő készség. A rendszer adatokat szolgáltat. A kutató adja a jelentést.
A Hunter Lab (Hunter) cég a videókövetésen alapuló viselkedésanalízishez szükséges stabilitást biztosító zebrafish-kutatólaboratóriumi felszereléseket gyárt. A gyártási és minőségellenőrzési folyamatok támogatják azt az egyenletességet, amelyet a hosszú távú viselkedési tanulmányok igényelnek. Azoknak a laboroknak, amelyek a viselkedésanalízishez videókövetést használnak, ilyen építési diszciplína a munka alapja.