原创 | 文 BFT机器人 

运动为了解大脑如何运作和控制身体提供了一个窗口。从剪贴板和笔观察到基于现代人工智能的技术，追踪人类和动物的运动已经取得了长足的进步。当前的尖端方法利用人工智能来自动跟踪身体各部分的移动。然而，训练这些模型仍然非常耗时，并且由于研究人员需要手动标记每个身体部位数百到数千次而受到限制。

现在，EimanAzim副教授和团队创建了GlowTrack，一种使用荧光染料标记来训练人工智能的非侵入性运动跟踪方法。GlowTrack功能强大、省时且清晰度高，能够跟踪老鼠爪子上的单个手指或人手上的数百个地标。该技术于2023年9月26日发表在《自然通讯》上，其应用范围涵盖生物学、机器人学、医学等领域。

在过去的几年里，随着强大的人工智能工具被引入实验室，跟踪行为发生了一场革命，资深作者兼威廉·斯坎德林发展主席阿齐姆说。我们的方法使这些工具更加通用，改善了我们在实验室捕获不同运动的方式。更好的运动量化使我们能够更好地了解大脑如何控制行为，并有助于研究肌萎缩侧索硬化症（ALS）等运动障碍和帕金森病。

目前捕捉动物运动的方法通常需要研究人员在计算机屏幕上手动重复标记身体部位，这是一个耗时的过程，容易出现人为错误和时间限制。人工注释意味着这些方法通常只能在狭窄的测试环境中使用，因为人工智能模型专门针对它们接收的有限数量的训练数据。例如，如果光线、动物身体的方向、相机角度或任何其他因素发生变化，模型将不再识别所跟踪的身体部位。

为了解决这些限制，研究人员使用荧光染料来标记动物或人体的某些部位。借助这些“看不见的”荧光染料标记，可以快速创建大量视觉上多样化的数据并将其输入人工智能模型，而无需人工注释。一旦输入了这些可靠的数据，这些模型就可以用来跟踪在更加多样化的环境中的运动，并且其分辨率是通过人工标记很难实现的。

这为更轻松地比较研究之间的运动数据打开了大门，因为不同的实验室可以使用相同的模型来跟踪各种情况下的身体运动。阿齐姆认为，实验的比较和可重复性在科学发现的过程中至关重要。

荧光染料标记是完美的解决方案，第一作者索尔克生物信息学分析师丹尼尔·巴特勒说。就像美元钞票上的隐形墨水仅在你需要时才会亮起一样，我们的荧光染料标记可以在眨眼之间打开和关闭，从而使我们能够生成大量训练数据。

未来，该团队很高兴能够支持GlowTrack的各种应用，并将其功能与其他可在三个维度上重建运动的跟踪工具以及可探测这些庞大运动数据集的模式的分析方法相结合。

END

作者 | Tina

排版 | 春花

审核 | 橙橙

注：本文章版权归作者所有，若您对该文章内容有任何疑问，请与我们联系，将及时回应。