Özellik Öğrenme Bacak Segmentasyon ve İzleme (FLLIT) kullanarak Serbestçe Hareket Eden Böceklerde Tam Otomatik Bacak Takibi

Drosophila modeli nörolojik fonksiyon çalışması ve nörodejenerasyon altında yatan moleküler ve hücresel mekanizmaları anlamak için paha biçilmez olmuştur. Manipülasyon ve nöronal alt kümelerin çalışma için sinek teknikleri giderek sofistike büyüdü iken, ortaya çıkan davranışsal fenotiplerin zenginliği benzer bir ayrıntıda yakalanmış değil. Mutantlar arasında karşılaştırma için ince sinek bacak hareketleri çalışma yapabilmek için otomatik olarak ölçmek ve yüksek hız ve hızlı bacak hareketleri ölçmek için yeteneği gerektirir. Bu nedenle, serbestçe yürüyen sineklerde otomatik bacak pençesi takibi, Özellik Öğrenme tabanlı Uzuv segmentasyonu ve takibi (FLLIT) için bir makine öğrenme algoritması geliştirdik. Çoğu derin öğrenme yönteminin aksine, FLLIT tam otomatiktir ve öğrenme algoritması yerleşik morfolojik parametreleri kullanarak, kullanıcı ek açıklama için gerek kalmadan kendi eğitim setleri oluşturur. Bu makalede, FLLIT kullanarak yürüyüş analizi yürütmek için derinlemesine bir protokol açıklanmaktadır. Bu kamera kurulumu, arena yapımı, video kayıt, bacak segmentasyon ve bacak pençe izleme prosedürleri ayrıntıları. Ayrıca, her video karesinde ham izlenmiş gövde ve bacak konumlarını, 20 yürüyüş parametrelerini, 5 çizimi ve izlenen videoyu içeren FLLIT tarafından üretilen verilere genel bir bakış sunar. FLLIT kullanımını göstermek için, spinocerebellar ataksi 3 bir sinek modeli nde ilgili hastalıklı yürüyüş parametrelerini ölçmek.