Для начала настройте оборудование и установите программное обеспечение для процедуры DeepLabCut или DLC. Чтобы создать окружение, перейдите в папку, в которую было загружено программное обеспечение DLC. Используйте команду change directory, имя папки cd.
Выполните первую команду, conda env create f DEEPLABCUT.yaml. Затем введите conda activate Deeplabcut, чтобы включить среду. Затем откройте графический пользовательский интерфейс с помощью python m deeplabcut.
После того как интерфейс откроется, нажмите кнопку «Создать новый проект» в нижней части интерфейса. Присвойте проекту имя для упрощения идентификации в дальнейшем. Введите имя экспериментатора и проверьте раздел расположения, чтобы проверить, где будет сохранен проект.
Выберите «Обзор папок», чтобы найти видео для обучения модели, и выберите «Копировать видео в папку проекта», если видео должны оставаться в исходном каталоге. Нажмите кнопку Создать, чтобы создать новый проект. После создания модели выберите Редактировать конфигурацию.
yaml, а затем нажмите Edit, чтобы открыть файл настроек конфигурации. Измените части тела, включив в них все части глаза для отслеживания. Отрегулируйте количество кадров для выбора, чтобы получить 400 кадров для обучающего видео.
Измените размер точки на шесть, чтобы размер метки по умолчанию был достаточно мал для точного размещения по краям глаза. После настройки перейдите на вкладку «Извлечь кадры» графического пользовательского интерфейса и выберите «Извлечь кадры» внизу. Перейдите на вкладку Рамки меток и выберите Рамки меток.
В новом окне найдите папки для каждого из выбранных обучающих видео и выберите первую папку, чтобы открыть новый интерфейс маркировки. Пометьте точки, определенные во время настройки, для каждого кадра выбранного видео. После добавления меток ко всем кадрам сохраните метки и повторите процесс для следующего видео.
Для точного обозначения косоглазия используйте две точки возле самого большого пика глаза. Чтобы создать набор данных для обучения, перейдите на вкладку Обучение сети и запустите обучение сети. После завершения обучения сети перейдите в раздел «Оценить сеть» и выберите ее.
Чтобы проанализировать видео, перейдите на вкладку «Анализ видео» и выберите «Добавить больше видео», чтобы выбрать видео. Выберите Сохранить результаты как CSV, если достаточно вывода данных в формате CSV. После того как все видео будут выбраны, нажмите «Проанализировать видео», чтобы начать процесс анализа.
Наконец, примените макросы для преобразования исходных данных в формат, необходимый для анализа евклидова расстояния. Модель точно обнаружила как некосоглазие, так и косоглазие, отметив верхнюю и нижнюю точки век для вычисления евклидовых расстояний. Среднеквадратичные значения ошибок между точками, помеченными вручную и моделью, показали минимальную вариативность после 300 кадров, а средние значения правдоподобия для правильного обнаружения точек превысили 0,95 при использовании 400 кадров.
Матрица неоднозначности показала положительную прогностическую ценность 96,96% и отрицательную прогностическую ценность 99,66% для обнаружения косоглазия.
