一种实验动物体表温度与运动行为的多模态时序同步解析方法与流程
本发明涉及实验动物行为与生理监测,具体地说,涉及一种实验动物体表温度与运动行为的多模态时序同步解析方法。
背景技术:
1、在生命科学研究中,实验动物(如小鼠、大鼠等)的体表温度变化与运动行为之间存在密切的生理耦合关系。例如,动物在跑动、站立、理毛等不同行为状态下,代谢产热速率不同,导致体表温度分布发生动态变化;同时,体表温度的变化也可反映动物的应激状态、疼痛程度及药物反应等生理指标。因此,同步解析体表温度与运动行为之间的时序关系,对于动物行为学、药理学、生理学等领域的研究具有重要价值。
2、现有技术中,已有采用红外热成像技术对动物体表温度进行非接触测量的方法。例如,公开号为cn117456607b的中国专利公开了一种多目标小鼠行为在线识别和体温监控方法,利用红外热成像采集小鼠图像,结合实例分割和关键点检测获取个体轮廓,并提取身体轮廓内的平均温度进行监控。然而,该方法存在以下不足。
3、(1)温度提取方式单一:现有技术通常仅提取动物全身轮廓内的平均温度或少数几个关键点附近的温度(如耳温、尾温),无法反映不同解剖功能分区之间的温度分布差异及其动态变化。由于动物体表不同区域(如尾根区、躯干核心区、耳廓头侧区)的血流灌注、代谢产热和散热特性不同,全局平均温度或孤立点温度难以精确表征不同解剖分区在行为过程中的温度响应特征。
4、(2)行为与温度的时序关联分析不足:现有技术主要将行为识别结果与温度值进行简单的决策级融合(如体温异常时报警),未对行为强度与温度变化之间的动态延迟、增益等时序特征进行量化建模,无法解析行为驱动温变的因果延迟和响应特性,也难以输出具有生理解释力的定量指标(如温变增益、响应时间常数等)。
5、因此,亟需一种能够对实验动物体表温度与运动行为进行多模态时序同步解析的方法,实现从全局温度测量向解剖分区级温度向量测量的升维,并量化行为-温度之间的时序耦合特征。
技术实现思路
1、本发明要解决的技术问题是:克服现有实验动物体表温度与运动行为监测技术中温度提取方式单一、行为与温度关联分析不足的缺陷,提供一种能够自动划分解剖功能分区、提取部位温度向量、并量化行为-温变时序耦合特征的同步解析方法及系统。
2、为解决上述问题,本发明提供了一种实验动物体表温度与运动行为的多模态时序同步解析方法,包括以下步骤:
3、s1、数据采集步骤:获取部署于实验动物饲养空间上方的红外热成像相机采集的辐射标定温度矩阵序列及其统一时间基准,并获取与红外热成像序列在时间上同步的可见光图像序列或由同一热成像相机输出的本征灰度图像序列;
4、s2、姿态与掩膜获取及跟踪步骤:对每帧可见光图像序列或本征灰度图像序列进行处理,获取每只检测到的动物个体的体表投影二值掩码和解剖关键点集合,并通过多目标跟踪为跨帧同一动物维持一致的身份标识;
5、s3、解剖分区子掩码生成步骤:针对每个具有身份标识的个体,以其关键点集合的拓扑几何关系,在体表投影二值掩码的内部通过几何图元与掩码的交集运算自动划分出至少三个解剖功能分区所对应的子掩码,解剖功能分区至少包括尾根区、躯干核心区和耳廓头侧区;
6、s4、部位温度向量序列提取步骤:对每个解剖分区,从温度矩阵中读出落入对应子掩码内的像素温度样本集,计算该分区的温度统计量并组装为该个体在该帧的部位温度向量;
7、s5、部位局部运动强度序列提取步骤:由同一个体在相邻帧间的关键点位移派生关键点速度,并按关键点与分区的归属关系分组汇聚,得到每个解剖分区的部位局部运动强度,组装为部位运动向量,并将部位温度向量序列与部位运动向量序列统一到同一时间网格;
8、s6、时序耦合解析步骤:对至少一个解剖分区,以该分区的部位温度序列与部位局部运动强度序列进行时序关联分析,求解该分区的特征时间延迟,并基于特征时间延迟拟合获得该分区的温变增益与时变响应特征,输出该个体的解剖分区级行为-温变耦合签名;
9、s7、输出步骤:输出耦合签名和/或由耦合签名导出的温变解析结果。
10、进一步地,s2中解剖关键点集合至少包括鼻尖点、左耳基点、右耳基点、颈点、躯干中心点及尾根点;解剖分区数量。
11、进一步地,s3中尾根区子掩码的构造方式为:以尾根点为圆心、以为半径作圆盘,再与体表投影二值掩码作逻辑与运算,;躯干核心区子掩码的构造方式为:以颈点至躯干中心点的矢量定义躯干主轴方向与半长轴,以该矢量的模长乘以系数定义半短轴,形成覆盖躯干区域的椭圆或圆角矩形图元,在与体表投影二值掩码交运算后再扣除尾根区及耳廓头侧区所占像素;耳廓头侧区子掩码的构造方式为:分别以左耳基点和右耳基点为圆心、以为半径作圆盘后与体表投影二值掩码交运算,并约束其在鼻-颈连线所划分的头部侧区域范围内;其中比例系数、以及椭圆半轴比均取自与实验动物物种相对应的预设参数组。
12、进一步地,s4中计算的温度统计量还包括各分区内的温度梯度;并且,当某一分区子掩码的像素数低于预设有效阈值或该分区被判定为因姿态导致显著遮挡时,将该帧该分量的温度向量元素标记为无效,后续步骤在对序列做相关或拟合前依据无效标记剔除对应时刻。
13、进一步地,在s5与s6之间还包括一姿态几何驱动的测温补偿步骤:由关键点集合计算躯干主轴角,结合红外热成像相机的已知安装俯角及由关键点映射得到的投影距离,估计体表局部法线与视线方向夹角的余弦因子;对每一分区的温度均值施加补偿:,其中标定常数、和通过在该个体被判定为静止或低运动的时段内将温度波动对投影距离和余弦因子做线性回归而离线得到;s6中的时序关联分析与拟合以补偿后的代替原始进行。
14、进一步地,s6中:时序关联分析包括在预设延迟窗内计算归一化互相关系数并取使相关系数最大的最优延迟,特征时间延迟;拟合获得温变增益与时变响应特征包括:将部位局部运动强度按最优延迟对齐,以正则化最小二乘法拟合有限冲激响应模型:,输出脉冲响应系数组,并计算积分增益及由形状导出的等效时间常数;耦合签名至少包含分区标识、特征时间延迟、积分增益和等效时间常数。
15、进一步地,s2中:体表投影二值掩码通过实例分割网络获得,解剖关键点集合通过关键点检测网络获得;实例分割网络为经实验动物掩膜标注数据训练的实例分割网络,关键点检测网络为经实验动物关键点标注数据训练的深度学习姿态估计网络;多目标跟踪算法为strongsort、deepsort或bytetrack。
16、本发明还提供一种实验动物体表温度与运动行为的多模态时序同步解析系统,包括:
17、成像采集模块,配置为通过部署于实验动物饲养空间上方的红外热成像相机采集辐射图像序列并标定为温度矩阵,以及采集与之时间同步的可见光图像序列或由同一热成像相机输出的本征灰度图像序列;
18、分割与检测模块,配置为对每帧运行实例分割网络输出每只动物个体的体表投影二值掩码,并运行关键点检测网络输出解剖关键点集合,关键点至少包括鼻尖点、左耳基点、右耳基点、颈点、躯干中心点及尾根点;
19、跟踪模块,配置为运行多目标跟踪算法,为跨帧同一动物维持身份标识及质心轨迹;
20、解剖分区生成模块,配置为以关键点集合的拓扑几何关系在体表投影二值掩码内通过几何图元与掩码的交集运算自动划分出至少三个解剖功能分区子掩码,解剖功能分区包括尾根区、躯干核心区和耳廓头侧区;
21、部位温度提取模块,配置为从温度矩阵中逐分区读取温度样本集并计算分区温度统计量,组装为部位温度向量序列;
22、部位运动提取模块,配置为由关键点帧间位移派生部位局部运动强度序列并将部位温度向量序列与部位运动向量序列统一到同一时间网格;
23、时序耦合解析模块,配置为对至少一个解剖分区以该分区的部位温度序列与部位局部运动强度序列的对应分量做带延迟估计的时序关联分析,求解最优延迟并拟合温变增益与时变响应特征,输出解剖分区级行为-温变耦合签名;
24、输出模块,配置为输出耦合签名和/或温变解析结果。
25、与现有技术相比,本发明具有以下有益效果:
26、1.本发明基于关键点的拓扑几何关系,通过几何图元与体表掩码的交集运算,自动划分出尾根区、躯干核心区、耳廓头侧区等具有生理语义的解剖分区,将体表温度信息由全局单标量升维为多维部位温度向量,能够更精细地反映不同解剖区域在行为过程中的温度分布差异及其动态变化,为行为-温度耦合分析提供了空间解析基础。
27、2.本发明对部位温度序列与部位局部运动强度序列进行时序关联分析,通过归一化互相关系数求解行为驱动温度变化的最优延迟时间,并采用有限冲激响应模型拟合温变增益和等效时间常数,输出包含延迟、增益、时间常数的解剖分区级耦合签名。这些量化指标具有明确的生理意义(延迟反映运动-产热-辐射传递时间,增益反映温度响应灵敏度,时间常数反映热衰减速率),为动物应激状态、药物反应等生理评估提供了新的客观参数。
28、3.本发明从数据采集、个体检测与跟踪、解剖分区生成、温度与运动提取到时序耦合解析,形成完整的自动化处理链条,无需人工干预,适用于长期、大规模的实验动物监测场景,显著降低了人工标注成本。
29、4.本发明还可包括姿态几何驱动的测温补偿,利用关键点几何关系自动估计测量距离和视角,通过静止段数据离线回归标定补偿系数,有效消除动物姿态变化对红外测温精度的影响,进一步提高温度测量的准确性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com