Prečo manuálne pozorovanie nestačí pre moderné behaviorálne štúdie
Manuálne pozorovanie má v behaviorálnom výskume dlhú tradíciu a stále má svoje uplatnenie. Vyskolený pozorovateľ dokáže zaznamenať jemné pózy, sociálne interakcie a kontext, ktoré môže kamera prehliadnuť. Manuálne hodnotenie však má svoje limity. Človek dokáže súčasne pozorovať len niekoľko rýb a hodnotenie sa vykonáva v reálnom čase alebo z prehrávania videa. Postupne sa objavuje únavou. Dvaja pozorovatelia môžu rovnaké správanie ohodnotiť odlišne. Rýchle udalosti, ako napríklad strachová reakcia trvajúca zlomok sekundy, sa ľahko úplne prehliadnu.
Moderné behaviorálne štúdie zebrafish často zahŕňajú viacero nádrží, viacero koncentrácií a viacero časových bodov. Objem údajov presahuje to, čo je schopný manuálne vyhodnotiť akýkoľvek tím. Systém na analýzu behaviorálnych reakcií zebrafish, ktorý sa opiera o sledovanie pohybu cez video, mení túto rovnicu. Dokáže súčasne zaznamenať množstvo arén a extrahovať údaje o pohybe bez potreby pozorovateľa, ktorý by sledoval každú sekundu. To neeliminuje potrebu ľudskej úsudkovej schopnosti, ale premiestňuje ľudskú úlohu z vyhodnocovania na dohľad.
Čo sledovanie pohybu cez video skutočne zachytí a čo iné metódy vynechávajú
Sledovanie pohybu cez video nesleduje len to, či sa ryba pohla. Sleduje, ako, kedy a kde sa pohla. Potok spracovania údajov môže vypočítať celkovú prejdenú vzdialenosť, priemernú rýchlosť, maximálnu rýchlosť, uhol natočenia, zrýchlenie a čas strávený v definovaných zónach. Dokáže detegovať stav zamknutia (freezing), čo je obdobie nehybnosti, ktoré často signalizuje strach alebo stres. Dokáže tiež merať oneskorenie (latenciu) vstupu do novej oblasti po podaní podnetu.
Tieto metriky sú dôležité, pretože rôzne správania sa môžu na prvý pohľad podobať. Ryba, ktorá pláva v tesných kruhoch, a ryba, ktorá pláva po priamej čiare, môžu preplávať rovnakú vzdialenosť, avšak základné správanie je odlišné. Ryba, ktorá sa drží blízko dna akvária, môže byť úzkostná, môže mať studené telo alebo jednoducho uprednostňovať túto oblasť. Video sledovanie poskytuje surové údaje, ktoré umožňujú výskumníkovi overiť tieto interpretácie.
-
Celková prejdená vzdialenosť a priemerná rýchlosť.
-
Maximálna rýchlosť a zrýchlenie počas výbuchov.
-
Čas strávený v jednotlivých zónach, napríklad hore oproti dole.
-
Trvanie a frekvencia zmrazenia.
-
Oneskorenie reakcie na svetelný alebo zvukový podnet.
Úloha snímkovej frekvencie a rozlíšenia pri kvalite správania údajov.
Video sledovanie je len také dobré, aké je video, ktoré analyzuje. Snímková frekvencia určuje, koľko rýchleho javu sa zachytí. Reakcia prekvapenia, ktorá trvá zlomok sekundy, sa pri nízkej snímkovej frekvencii môže znížiť na jediný snímok, čo znemožňuje presné meranie latencie alebo veľkosti. Vyššia snímková frekvencia zachytí viac podrobností, avšak zároveň vytvára väčšie súbory a vyžaduje viac výpočtového výkonu.
Rozlíšenie je dôležité z iného dôvodu. Larva zebrafish je malá a jej poloha musí byť sledovaná s vysokou presnosťou. Ak je rozlíšenie príliš nízke, algoritmus sledovania môže rybu zmýliť s odrazom alebo kúskom nečistoty. Ak je rozlíšenie veľmi vysoké, súbory sa zväčšujú a analýza sa spomaľuje. Správná rovnováha závisí od veľkosti arény, veku rýb a správania, ktoré sa študuje.
| Pomer | Manuálne pozorovanie | Systém video sledovania |
|---|---|---|
| Objem údajov | Obmedzené časom pozorovateľa | Vysoké, nepretržité |
| Rýchle javy | Ľahko sa prehliadnu | Zachytené, ak je snímková frekvencia primeraná |
| Opakovateľnosť | Závislé od pozorovateľa | Závislé od algoritmu, avšak konzistentné |
| Výkon v multi-arenách | Nízka | Vysoká |
| Ľudská úloha | Poznačenia | Dozor a overenie |
Ako sledovacie algoritmy premieňajú pixely na behaviorálne metriky
Softvér pre video sledovanie nie je kúzlo. Používa postupnosť krokov na vyhľadanie ryby v každom snímku a prepojenie týchto detekcií do sledu. Odstránenie pozadia odstraňuje statické časti obrazu. Prahovanie alebo detekcia okrajov izoluje rybu. Sledovací algoritmus, napríklad sledovanie ťažiska (centroid tracking) alebo Kalmanov filter, predpovedá polohu ryby v nasledujúcom snímku a priradí ju k detekcii.
Pre viacero rýb pomáhajú algoritmy priradenia, napríklad maďarská metóda (Hungarian method), zachovať identitu, keď sa ryby pri krížení ciest prekrývajú. Vzhľadové charakteristiky, ako tvar chvosta alebo farebný vzor, môžu zlepšiť trvalosť identity. Výstupom je sada súradníc v čase, ktorá sa následne premení na uvedené behaviorálne metriky. Každý krok má parametre ovplyvňujúce výsledok, a tieto parametre je potrebné zdokumentovať a zachovať konzistentné v rámci experimentov.
Príklad z poľa, kde video sledovanie odhalilo skrytý účinok
Skupina neurofarmakológov na univerzite v východnom Číne testovala zlúčeninu na anxiolytickú aktivitu. V prvej fáze sa používalo manuálne hodnotenie v teste svetlého a tmavého priestoru. Výsledky boli nekonzistentné. Niektoré nádoby vykazovali jasnú preferenciu tmavej strany, iné nie. Pozorovatelia sa nezhodli v prípadoch na hranici, a veľkosť účinku bola malá.
Skupina prešla na systém analýzy správania zebrafish s video sledovaním. Systém neustále nahrával každú arénu a automaticky vypočítaval metriky založené na zónach. Údaje ukázali, že zlúčenina skutočne znížila preferenciu tmavej zóny, ale zároveň znížila celkovú pohyblivosť. Manuálne hodnotenie tento druhý účinok vynechalo, pretože pozorovatelia sa sústredili len na voľbu zóny. Dáta zo sledovania pomocou videa odhalili oba účinky. Skupina upravila analýzu tak, aby tieto dva typy správania oddelila. Zlúčenina stále zostala zaujímavá, no interpretácia sa zmenila. Bez video sledovania by účinok na pohyblivosť mohol zostať úplne nepozorovaný.
Tam, kde majú video sledovanie svoje limity a ľudské posúdenie stále zohráva rolu
Video sledovanie je nástroj, nie úplné riešenie. Môže sa zmýliť kvôli odrazom, bublinám a nečistotám. Môže stratíť rybu, ak je kontrast slabý alebo ak sa ryba dotkne okraja akvária. Nedokáže posúdiť, či vyzerá ryba zdravo, ani či má akvárium problém, ktorý ovplyvňuje správanie. Takéto posúdenia stále vyžadujú človeka.
Existuje tiež riziko nadmerného dôverovania číslam. Systém sledovania môže vytvoriť rozsiahlu tabuľku metrík, avšak nie všetky z nich majú význam. Výber vhodných metrík a ich interpretácia v kontexte je zručnosť, ktorá sa rozvíja s praxou. Systém poskytuje údaje. Výskumník poskytuje význam.
Hunter Lab (Hunter) vyrába laboratórne zariadenia pre zebrafish s dôrazom na stabilitu obrazu, ktorá je nevyhnutná pre sledovanie pohybov prostredníctvom videa. Výrobný proces a kontrola kvality zabezpečujú konzistenciu potrebnú pre dlhodobé behaviorálne štúdie. Pre laboratóriá, ktoré sa pri behaviorálnej analýze spoliehajú na video sledovanie pohybov, takýto prístup k výrobe tvorí základ ich práce.