[发明专利]一种狭长跑道中小鼠自发性步态实时分析方法

权利要求书

1.一种狭长跑道中小鼠自发性步态实时分析方法，其特征在于：包括以下步骤：

步骤1，搭建宽度足够小鼠自由前进和后退的透明狭长跑道，在透明狭长跑道的下方以45°倾斜放置能够完整反射透明狭长跑道的平面镜；

步骤2，透明狭长跑道上方放置狭长红色背景光源提供照明，使小鼠与背景做出明显区分；在透明狭长跑道两侧使用狭长绿色跑道光源提供照明，突出小鼠腹部和足迹特征；使用高帧频相机实时获取平面镜反射的小鼠步态图像，并输入计算机中；

步骤3，构建目标检测网络模型并训练，用训练好的目标检测网络模型，对高帧频相机获取的每一帧图像进行小鼠目标检测和关键点回归，实时输出小鼠的回归框坐标和不同关键点的坐标信息，在LabVIEW编辑的主界面的实时画面中进行标注，实现可视化；

步骤4，通过计算连续的帧与帧之间相同关键点坐标关系和单个帧内部不同关键点坐标关系，实时且准确的量化小鼠多种步态参数。

2.根据权利要求1所述的一种狭长跑道中小鼠自发性步态实时分析方法，其特征在于：步骤1中，所述透明狭长跑道顶端使用透明亚克力板与扩散板粘合作为背景，底部使用透明亚克力板作为跑道，长*宽*高为1200mm*100mm*200mm。

3.根据权利要求1所述的一种狭长跑道中小鼠自发性步态实时分析方法，其特征在于：步骤2中，所述高帧频相机的帧频为100FPS。

4.根据权利要求1所述的一种狭长跑道中小鼠自发性步态实时分析方法，其特征在于：步骤3中，具体的，基于YOLOv5体系对网络进行改进，引入OKS损失函数，修改小鼠不同关键点的加权因子，构建目标检测网络模型，使用预先标注好的小鼠关键点数据集对目标检测网络进行训练，获得权重文件；

根据小鼠四肢、鼻尖、嘴巴、腹部以及尾根的关键点相似性，修改OKS损失函数中不同关键点的加权因子，OKS损失函数计算公式如下：

式中，d_n表示第n个关键点的预测位置与真实位置的欧式距离，k_n表示第n个关键点的加权因子，s表示当前目标的尺度，δ(v_n)作为每一个关键点是否可见的标志。

5.根据权利要求1所述的一种狭长跑道中小鼠自发性步态实时分析方法，其特征在于：步骤4中，所述步态参数包括小鼠整体移动距离、小鼠移动速度、肢体摆动速度、步长、单个周期内支撑时间、单个周期内摆动时间以及单个周期内支撑时间比；

小鼠整体移动距离D计算公式如下：

式中，G表示像素距离与世界距离的转换比例，x_n，y_n，x_n-1，y_n-1表示第n-1帧与第n帧之间小鼠中心躯干的像素坐标；

小鼠移动速度V计算公式如下：

式中，D_n表示第n-1帧与第n帧之间躯干质心坐标移动的像素距离，ΔT表示两个连续帧之间的时间间隔；

以小鼠右前肢摆动速度V_RF为例，计算公式如下：

式中，x_RF_n-1，y_RF_n-1，x_RF_n，y_RF_n表示第n-1帧与第n帧之间小鼠右前肢的像素坐标；左前肢、右后肢、左后肢摆动速度计算方法同式(7)；

以小鼠右前肢步长L_RF_n为例，计算公式如下：

式中，x_RF_n，y_RF_n，x_RF′_n，y_RF′_n为两次右前肢摆动速度小于阈值V_thr_RF时记录的坐标位置；

单个周期内右前足的支撑时间T_stance_RF，计算公式如下：

T_stance_RF＝n_RF*ΔT (9)

式中，n_RF表示单个步态周期中右前肢静止不动的帧数；

单个周期内右前足摆动时间T_swing_RF，计算公式如下：

T_swing_RF＝n′_RF*ΔT (10)

式中，n′_RF表示单个步态周期中右前肢摆动的帧数；

单个周期内支撑时间比DutyCycle，计算公式如下：

式中，T_stance_RF为单个周期内右前足的支撑时间，T_swing_RF为单个周期内右前足摆动时间。