脑声常谈丨AI算法崛起：DeepLabCut等工具颠覆传统动物行为分析方法

动物行为实验测试中，随着DeepLabCut等人工智能算法的迭代普及，越来越多的行为学测试范式可以应用 AI算法，完整跟踪动物的骨架关键点，获取更多的行为学复杂参数。DeepLabCut作为一个开源的深度学习工具，能够准确地标记和跟踪动物的各个身体部位，并且具有高度的灵活性和可扩展性。这使得研究人员能够在各种实验环境中应用这一技术，从而大大提升了数据的精确性和实验结果的可靠性。

与传统的商业化软件EthoVision等相比，DeepLabCut和类似的AI算法具有显著的优势。首先，AI算法能够处理更大规模和更复杂的行为数据，提供更细致的行为分析。例如，DeepLabCut能够识别和跟踪动物的细微动作，捕捉传统方法难以检测到的行为模式。其次，AI算法通常具有更高的可定制性，研究人员可以根据具体实验需求调整算法参数和跟踪标记点，这为个性化实验设计提供了更多可能性。

目前，应用AI算法商业化的软件也愈来愈多，比如SocialTrack AI软件，用于跟踪同一场景下多只动物的交互行为、攻击行为及交配行为；BehaviorAtlas 3D软件，多视角视频中提取动物多个部位的身体坐标进行三维重建和处理，实现对动物行为图谱的构建，提供神经功能、疾病亚型等与行为图谱关联分析的可能性；VisuCylinder圆筒实验软件和VisuGrid踏空脚误实验软件，用于动物肢体运动协调测试；VisuHTR软件用于动物致幻甩头、抽搐反应测试；VisuWalk软件，用于小鼠在自由活动，无空间约束状态下的步态分析与精细行为同步测试；VisuScratch软件，用于动物瘙痒模型的抓挠/搔抓像行为测试。

未来，随着AI技术的不断进步和应用的广泛推广，动物行为学研究将迎来更多创新和突破，比如动物触须行为、面部表情识别、超声发声、药丸抓取行为等更多范式，都可以使用AI。

找实验方法，上脑声常谈