在神经科学领域，研究啮齿类动物的社交行为，是揭示神经发育与精神疾病机制重要方向。传统的行为学实验往往依赖人工观察或基础追踪系统，难以捕捉复杂社交互动中的细微变化。然而，随着诺达思的动物运动轨迹跟踪系统(EthoVision XT)中社交行为追踪模块的不断升级，结合先进的深度学习算法，研究人员如今能够以前所未有的精度和效率分析社交行为。这一进步可以在无压力的环境下捕捉动物自发、自然的行为，将行为学研究提升到全新水平。
为什么测量社交行为如此重要？
社交行为是神经科学研究的基础组成部分。它在自闭症谱系障碍、精神分裂症、焦虑相关疾病等研究中发挥着重要作用。
通过观察动物之间的理毛、追逐、挤在一起等社交互动，研究人员能够获得关于大脑功能及功能障碍的宝贵信息。在社交环境中评估行为，而不是让动物处于孤立状态，可以更真实地判断基因、药物或环境因素如何影响这些重要的社交互动。
行为神经科学的新趋势
近年来，一个日益明显的趋势是：研究人员希望获得更具生态效度的行为学数据。大家正在逐渐放弃过于人工的实验设置，转而更加重视在接近自然条件的环境中研究动物。
这一转变同时伴随着对饲养方式和操作方法的关注，目的是尽量减少动物应激，并最大化行为数据的有效性。按照这些原则来设计实验，研究人员就能收集到更准确、更具转化价值的数据，从而更好地反映动物和人类在真实世界中的行为。
EthoVision：社交行为追踪的新升级
EthoVision长期以来一直是视频追踪软件领域的“金标准”，而最新版本更是实现了重大突破。借助增强的深度学习算法，EthoVision为希望测量社交互动的研究者带来了若干重要升级。
低干预下的精准追踪：与传统追踪方法需要彩色标记不同，EthoVision可以仅凭极少的物理标记（例如剃去动物背上一小部分毛发，或在尾部放置一个无创标记）就能可靠地识别并追踪两只动物。
用于社交行为的深度学习追踪：EthoVision通过将深度学习算法应用在社交互动研究领域，能够高精度地追踪两个实验对象。这让研究人员能够更有效地研究社交等级、成对互动等复杂动态。
复杂条件下的稳健表现：无论是在高密度环境还是多变光照条件下，EthoVision的深度学习引擎都能保证可靠的追踪，使其能够适应多样化的实验设置。
EthoVision 19的新功能
在新版本中，我们进一步提升了社交互动追踪的能力。Re-ID功能在动物活动时能更好地区分它们。这意味着，实验记录结束后几秒钟内，你就可以获得分析数据。
此外，我们还增加了一些用户经常要求的分析参数。现在您可以定义并测量以下行为：
- 跟随：当受试动物在一定距离内跟随另一只同伴，且受试动物的鼻子朝向同伴的中心点（在指定角度内），同时两只动物的移动速度均超过设定阈值。
- 离开：当受试动物向同伴移动，但在一定距离内，受试动物的鼻子-中心向量与同伴中心点的夹角小于设定值，且同伴的移动速度低于设定阈值。
- 接近：动物朝同伴靠近的行为模式。受试动物在距离范围内向同伴移动，同伴必须移动至低于速度阈值。
社交接触：当受试动物的鼻子点靠近同伴，且受试动物的鼻子-中心向量指向同伴身体某点（夹角小于设定值）。
拓展研究：结合家居笼监测
虽然传统的旷场实验能提供有价值的数据，但也可能引入人为限制，影响行为研究的效度。家居笼监测提供了一个更具生态效度的环境，可以在长时间内持续观察动物的自然行为。当EthoVision与鼠类家居行为活动观测箱(PhenoTyper)结合使用时，研究者将获得一个强大的集成化行为学平台，可以清晰洞察以下方面：
- 社交联结与群体互动：在非新环境应激的情况下，评估稳定的社交关系、优势等级和亲密行为。
- 昼夜节律与睡眠模式：通过追踪光暗周期下的自发活动，深入了解睡眠-觉醒行为。这对神经退行性疾病和心理健康障碍研究非常重要。
- 刻板行为与异常行为：长期监测提高了发现重复行为、自我理毛模式或攻击行为的概率，这些是自闭症和强迫症模型中的关键指标。
- 低应激环境下的认知功能：在家居笼内集成自动化认知任务，可以在最大限度减少实验者干扰的情况下评估学习、记忆和决策能力。
这种组合提供了一个强大且高度集成的平台，能够简化行为学研究流程，提高研究数据收集效率和可靠性。
EthoVision相较于开源方案的优势
与开源工具相比，EthoVision提供了更直接、可靠的社交互动数据分析路径。研究者无需花费时间搭建、训练和调试自己的分析流程，而是可以开箱即用，立即开始测量。
这种易用性并没有牺牲灵活性。EthoVision适用于不同实验箱类型和啮齿类动物物种，无需针对每个新设置重新训练模型，使得跨研究的一致性分析更加容易。
EthoVision是一个被全球数千名研究人员信赖的平台。这一经过验证的记录，让用户可以确信该系统能为社交行为研究提供稳健、可重复的结果。
对当前研究人员的助力
深度学习驱动的追踪技术与家居笼监测的结合，直接回应了目前研究中一些最紧迫的挑战：
- 减少应激引起的变异性：传统行为评估需要抓取动物，这会引入应激并干扰结果。通过在家居环境中监测动物，EthoVision消除了这一因素，确保数据更可靠。
- 提高研究效率和可扩展性：人工观察耗时且主观。EthoVision自动化追踪和分析，使研究者能够扩大研究规模，在更短时间内收集更多数据。
- 提供连续、实时的洞察：许多神经疾病是逐渐发展的。通过长时间连续监测，研究者可以发现短期研究中容易被忽略的细微行为变化。
- 输出更具转化价值的结果：在更自然的环境中收集的行为数据，更贴近真实世界情况，从而提高研究结果向人类应用转化时的价值。
- 消除人工评分误差：主观的行为评分容易不一致。EthoVision基于深度学习的追踪实现了标准化测量，确保实验间的一致性。
结语
EthoVision不仅仅是一个追踪系统，它为解决当今行为学研究者面临的真实挑战而设计。诺达思拥有超过35年的经验，在已验证的数据和持续的研究输入指导下，从底层构建解决方案。
通过将EthoVision先进的深度学习能力与PhenoTyper中的家居笼监测相结合，诺达思提供了一个强大的平台，以最低干预收集高质量、短期或长期的行为学数据，帮助优化实验方法，加速神经科学领域的突破！
准备好了解EthoVision如何提升你的研究了吗？立即联系我们，助力您的行为学研究！
