Устройство и способ дешифровки паттернов поведения животных в длительном актографическом эксперименте Российский патент 2023 года по МПК A61B5/11 G06F18/40 G06T7/20 A01K29/00 

1. Область техники, к которой относится изобретение

Изобретение относится к области биологии, экспериментальной фармакологии, доклинических исследований и информационным технологиям, а именно, к способам и устройствам (т.н. актографам или актометрам) для исследования поведенческой активности животных (в том числе двигательной и акустической), мелких (лабораторных и отловленных в естественных условиях) животных, а также их групп на промежутках времени произвольной длительности. Вместе с тем, устройство может быть использовано при характеристике специфики фармакологического эффекта веществ, потенциально обладающих психической активностью, либо влиянием на энергообмен животных, - на основании как анализа данных мониторинга динамики энергетических затрат животных на спонтанную двигательную активность, так и на основе распознавания известных и новых, ранее не выявлявшихся паттернов поведения животных.

Изобретение предназначено для использования в области скрининга новых соединений, углублённого изучения влияния различных факторов на циркадную и другие формы ритмики на уровне целостных организмов, количественного установления степени аналогичности эффекта нового синтезированного вещества уже известным в аспекте влияния на динамику локомотроных энергозатрат, выявления побочных эффектов у лекарственных препаратов, идентификации психической активности у смесей веществ, в выявлении различий в частоте и динамику появления тех или иных паттернов поведения животных.

Цель изобретения - расширение арсенала средств для длительных актографических исследований, в частности, для регистрации и анализа спонтанной либо индуцированной двигательной активности лабораторных животных не только средствами описания динамики энергозатрат и классического трекинга, но и через создание инструментальной (как аппаратной, так и программной) основы для оперативного и точного выделения и использования для дешифровки поведения как известных, так и новых (ранее не выделявшихся) паттернов поведения и их вариантов.

Обзор проблемной области

«Адаптивные механизмы популяционных систем складываются как интегрированный результат поведения и физиологических реакций отдельных особей на основе непрерывного потока информации о состоянии внешней среды и самой популяции». (Шилов, 1985).

Экологическая роль физиологических механизмов стресса относится к одному из наиболее интенсивно развивающихся направлений популяционной экологии позвоночных. В немалой степени этому способствует развитие новых методических подходов, в частности, неинвазивных методов оценки стрессированности животных, и разрабатываемый нами объект (Способ…) является одним из специализированных (для животных в условиях вивария) приложений таких методов. В отличие от работ, посвящённых определению уровня стрессированности животных в естественных условиях (определение стероидных гормонов в фекалиях или моче, собранной со снега (Harper, Austad, 2000, Герлинская и др., 1993), наша разработка должна позволить выполнять характеристику стрессовых состояний у лабораторных животных (или животных, извлечённых из естественной среды), неинвазивно по отношению к животным и к привычной для них среде обитания.

Следует отметить, что большая часть основных поведенческих тестов на лабораторных животных, как в области фармакологии, так и в области этологии и экологии («открытое поле», установка формирования «условного рефлекса пассивного избегания», «вынужденное плавание», ряд актографических методов и т.д.), носят именно стрессовый характер.

На наш взгляд, детальный анализ именно спонтанной двигательной активности, как лабильной части энергообмена животного, «ничем не вызванной из внешней среды активности», (по: А.Д. Слоним, 1971, 1976), является наиболее перспективным способом неинвазивной оценки стрессированности животных в лабораторных условиях.

При учёте этого («стрессового») контекста, и исходя из гипотезы (Куликов В.П., 1998) о том, что

1. задачей спонтанной части двигательной активности является поддержание постоянства суточного объема движений и энергозатрат,

и предположения о том, что

2. существует механизм саморегуляции двигательной активности, поддержания постоянства ее суточного объема путем изменения спонтанной составляющей (А.Г.Сухарев и др., 1988, Куликов, 1998),

акт воздействия на животное предстаёт перед нами как временное (при некритическом воздействии) нарушение частично детерминированной последовательности действий стрессового ответа животного.

При этом энергетическая картина изменённого (изучаемым фактором) поведения животного при прекращении воздействия должна стремиться к норме, а синхронная энергетическая картина поведения интактных животных может выполнять задачу фиксации «базовой линии», т.е. динамики энергозатрат у нормальных животных, в условиях актуального комплекса внеэкспериментальных факторов.

Приведенные выше работы послужили основой для разделения суммарной двигательной активности на две формы - облигатную и факультативную (спонтанную) (по: Куликов, 1998), однако мы используем термин «спонтанная» активность менее строго, поскольку эмпирическая практика показывает, что под воздействием ряда факторов может меняться и интенсивность энергозатрат на «облигатную» активность в понимании В.П.Куликова.

В связи с этим, описывая относительные энергозатраты на «спонтанную активность» у опытной и контрольной групп, мы имеем в виду ту часть общей активности, которая является потенциально модифицируемой конкретным фактором.

Очевидно, что важнейшим аспектом обработки поведенческих данных являются параметры разнообразия индивидуальных поведенческих реализаций, как у интактных животных, так и у животных, экспонированных различными стресс-модифицирующими факторами. Именно в этом заключается смысл утверждения о том, что пополняемая база эталонов является важнейшим компонентом системы эффективной дешифровки данных регистрации двигательной активности (эффекты 7 и 8).

Индивидуальные характеристики двигательной активности складывается в процессе онтогенеза под влиянием среды, при этом генетический компонент предопределяет не индивидуальные энергозатраты, а лишь определенную «предуготовленность», или предрасположенность к какой-либо величине активности, то есть, наследуется только предпосылка для развития двигательной активности в определенных пределах “нормы реакции” (Н.М. Ледовская, 1972, цит. по Куликов В.П., Киселёв В.И. Потребность в двигательной активности. М. 1998).

Следовательно, объем двигательной активности - величина индивидуальная, складывающаяся под влиянием генетической программы и среды.

К сожалению, число работ, посвященных именно изучению разнообразия индивидуальных особеностей двигательной активности, весьма ограничено. В большинстве из них этот фактор либо не учитывается, либо упоминается как побочный аспект (Куликов, 1998), тогда как, на наш взгляд, именно динамические характеристики спонтанной двигательной активности, такие как динамика энергозатрат, морфология участков кривых и поверхностей, характеризующих распределение её характеристических частот либо магнитуд в времени, могут служить интегральными характеристиками, отражающими состояние и благополучие исследуемых животных.

Следует отметить, что уже само искажение нормального (основного) циркадного ритма у животных в естественных условиях оказывается фактором конкурентной уязвимости животного по отношению к пернатым хищникам (например, совам), так же, как и повышенная двигательная активность (Шепель, Хиревич, 2002). Внешние изменения в поведении животного могут снизить его внутрипопуляционный статус (Wiliams et al„ 1999, Crowcroft, 1963). Таким образом, уже эти простейшие характеристики двигательной активности демонстрируют снижение адекватности поведения животных реализации их интересов в естественной среде обитания.

В целом, поскольку детерминация двигательной активности вплетена в жизнедеятельность позвоночных на всех уровнях организации, а стресс, являющийся неспецифическим механизмом адаптации, также реализуется на множестве уровней, можно предположить, что оправдано именно применение многомасштабных (частотно - временных) методов анализа поведенческих временных рядов, например, вейвлет-анализа (Сергиенко, 2007; Смоленцев, 2008).

Комплекс собранных данных о двигательной активности может содержать интересующую исследователя информацию о специфике действия исследуемого фактора, и множество исследованных факторов образуют в пространстве признаков облако точек, характеризующих как нормальные реализации поведенческие стрессового ответа, так и специфические и неспецифические искажения, выявляемые средствами цифровой обработки сигналов.

Отметим также целесообразность обнаружения происходящих - под воздействием исследуемых факторов - изменений в энергетических и структурных аспектах поведения, в частности, в том числе средствами собственно дешифровки, т.е. представления поведения за период наблюдения не просто в виде графиков энергозатрат, но также в виде последовательности поведенческих событий (т.н. паттернов поведения), для чего и оказалось необходимым развитие концепции СДА-регистрации (Заявка на патент 2012107607/14); для автоматизации дешифровки могут с успехом использоваться средства машинного обучения и искусственного интеллекта (см., напр., Andreev et al., 2021), однако в качестве обучающих выборок необходима подготовка массивных и качественных размеченных данных с высокой степенью синхронизации, что и достигается при использовании обсуждаемой разработки.

2. Уровень техники и аналоги

1. Известно устройство RU 101838 U1, (автономная система оперативного биологического мониторинга и индикации), (аналог № 1), являющаяся измерительным прибором для непрерывной регистрации поведенческих и/или физиологических реакций организмов, соединенные с компьютером; аналогичность здесь проявляется на уровне типа решаемой задачи.

2. Изветна также «Методика для определения особенностей действия импульсного сложномодулированного электромагнитного поля на животных» (аналог № 2) (http://www.nmbt.web.ur.ru/Teoriya/Experim2.html), где при решении сходной задачи мониторинга поведения животных в лабораторных условиях в качестве преобразователей сейсмических колебаний в электрические применены пьезодатчики, а в качестве усилителей - 4ЭЭГ-1 (т.е. входы электроэнцефалографа).

Недостатками разработки являются как высокая стоимость и нерациональное применение заведомо избыточных по чувствительности аппаратных ресурсов энцефалографа, так и малое число каналов независимой регистрации (4 канала на установку). Кроме того, в данном случае для опыта применяются специальные экспериментальные камеры, что в ряде случаев также может рассматриваться как недостаток, поскольку при перемещении животного в камеру изменяются важные для животного параметры среды, такие как объём и топология доступного пространства, материал дна и т.д.

3. Известна также разработка Ростовского государственного университета «Лаборатория для дистанционного изучения двигательной активности животных» (аналог № 3), аппаратная часть экспериментального комплекса которой состоит из весокоординатной тензометрической платформы, устройства регистрации вертикальных стоек, усилителей и компьютера, оснащённого платой ввода-вывода, и соответствующего программного обеспечения (vlab.krinc.ru/ru/docs/description.doc). В ростовской разработке преодолён основной недостаток указанных выше аналогов - введена цифровая форма регистрации данных, расширяющая возможности для обработки, хранения и интерпертации полученных результатов.

Недостатки комплекса: фактическая одноканальность, существенная смена топологии обитаемого пространства, дороговизна применённых тензодатчиков.

4. Существует также ряд современных актографов, основанных на технологии «пересечение луча», общим недостатком которых мы считаем фактическую инвазивность по отношению к среде обитания (как в случае с мониторингом радарного типа, см. Л.Н. Анищенко, А.С. Бугаев, И.А. Васильев, С.И. Ивашов, О.С. Медведев, В.Б. Парашин, Использование метода биорадиолокации для оценки двигательной активности лабораторных животных, Радиотехника, 2010, №2, с. 43-48., так и с мониторингом типа «пересечение луча» - например, прибор «Ugo Basile Optovarimex» (аналог № 4) (см. Хабриев, 2006)), иначе говоря, нормальная среда обитания животного либо пронизана дополнительным полем/излучением, либо ортогональными лучами, вносящими дополнительную анизотропность в среду обитания, что при оценке тонких поведенческих эффектов допустимо далеко не всегда.

5. Известна также разработка «актограф для измерения активности мелких лабораторных животных», изобретение SU 1331490 A1 (аналог № 5).

Некоторые недостатки последнего, связанные с невозможностью цифровой регистрации данных, были частично преодолены в аналогах № 1и № 4. другие же - невозможность либо проблемность синхронной независимой записи параметров активности множества животных либо множества групп животных, инвазивность методов мониторинга активности по отношению к среде обитания животного в эксперименте либо обязательная смена этой среды обитания для проведения опыта, стандартность процедур обслуживания - остаются не преодолёнными существующими решениями.

6. Известны также зарубежные работы (Shieh K.-R. Et.al., 2017), и (Kobayashi K. et al., 2020), на основе видеорегистрации поведения животных сверху обитаемого пространства (аналоги № 6 и 7).

7. Известна также коммерчески доступная система Actual-HCA™ by Actual Analytics, являющаяся ближайшим из иностранных аналогов, построенная на применении видеонаблюдения сбоку клетки. (аналог № 8). Для аналогов 6,7 и 8 недомтатком можно счтать применение только видеоданных, которые весьма массивны и либо обрабатываются «на лету» с большой потерей информации, либо система не имеет возможности получить оперативную сводку, и, главное, оперативно определить локализацию во времени положений поведенческих событий, представляющих интерес.

8. Наиболее близкой, принятой за прототип, является ранее предложенная нами «Способ длительной цифровой регистрации спонтанной двигательной активности мелких лабораторных животных посредством сейсмоакустических измерений и устройство для его реализации» (Заявка на патент 2012107607/14), и версия такой системы, включающая камеры видеонаблюдения под названием Мультитокс-СДА (http://openscience.ru/index.php?page=ucomplex&item=002). Её основным недостатком являлись также сложности с точным определением локализации во времени положений поведенческих событий, представляющих интерес, только в контексте мультимодальных данных, и, как следствие, значительные трудо- и времязатраты на синхронизацию потоков данных, точную взаимную (между данными разных типов) идентификацию поведенческих событий и собственно дешифровку. Именно на преодоление этих ограничений и направлена обсуждаемая разработка.

3. Раскрытие изобретения

Формула изобретения: (ограничительная часть формулы) 1) Предложено устройство (программно-аппаратный комплекс) дешифровки паттернов поведения животных, содержащее подсистему индивидуального видеонаблюдения за животными, группу (не менее одной) экспериментальных камер (с лабораторными животными), и хотя бы одну из следующих подсистем: подсистемы сейсмоакустической регистрации колебаний (звуковой частоты) дна и стенок каждой из камер, вызываемых двигательной активностью животного, которые регистрируются сейсмоакустическим датчиком, аналоговый сигнал от которого проходит каскад фильтрации и предусиления перед попаданием в аналогово-цифровой преобразователь, подсистемы акустической регистрации звуков, издаваемых животными, включающую акустические сенсоры звуковой и/или ультразвуковой частоты, каскады усиления и фильтрации и аналогово - цифровой преобразователь, отличающиеся тем, что

(отличительная часть формулы) имеется дополнительная подсистема синхронизации потока видеоданных и потоков акустических и/или сейсмоакустических данных, включающая устройство-контроллер мультимодального синхронизационного импульса, каналы связи, которые обеспечивают добавление синхронизационного импульса в акустический и/или сейсмоакустический поток данных, посредством подключения между выходом каскада фильтрации и предусиления и входа аналогово-цифрового преобразователя, и монохроматический источник света с такой длиной волны, которая находится в пределах спектральной чувствительности камер видеонаблюдения, но вне пределов спектральной чувствительности органов зрения исследуемых лабораторных животных, генерирующий синхронизационный импульс в оптическом диапазоне, что обеспечивает возможность его добавления в поток видеоданных, не беспокоя животных в экспериментальной среде.

2. Способ дешифровки поведения животного, при котором запись выполняется с помощью устройства по п.1, в котором лабораторных животных размещают в индивидуальные регистрирующие камеры и для каждого животного выполняется регистрация мультимодальных данных (видео-, сейсмоакустических и ультразвуковых записей), отличающийся тем, что потоки мультимодальных данных синхронизируют между собой с помощью подсистемы синхронизации по п.1, и примененяют специальное программное обеспечение для автоматизированного формирования коллекции размеченных образцов.

3. Способ по п.2, отличающийся тем, что на основе коллекции размеченных образцов выполняется обучение модуля искусственного интеллекта, необходимого для автоматической дешифровки накопленных мультимодальных данных.

Указанные признаки изобретения обеспечивают следующие эффекты

1) Возможность синхронизации с точностью до 1/(частота кадров видео) секунды.

2) Возможность корректного формирования синхронного мультимодального потока данных, обеспечивающего

3) более эффективное использование информации, скрытой в поведении животных, и в частности, содержащейся в исходных данных, за счёт возможности интерактивно выявить (временной) регион интереса с помощью сейсмоакустических и/или акустических данных, чтобы в синхронном режиме увидеть, какое поведение животное демонстрировало в этот отрезок времени - на видеозаписи.

4) повышение эффективности работы специалиста по дешифровке и интерпретации результатов,

5) неинвазивность к среде обитания лабораторных животных (невидимость и кратковременность синхронизационного импульса);

6) объективность и высокую достоверность получаемой информации о поведении животных;

7) формирование развивающейся базы данных эталонов, образуемую коллекциями размеченных образцов, и обеспечивающую

8) возможность снижения трудоёмкости благодаря использованию средств машинного обучения (AI, искусственного интеллекта) для автоматизации дешифровки .

Раскрытие формулы.

Эффект 1 обеспечивается тем, что именно видеозапись во всём мультимодальном массиве архивных данных имеет наименьшую частоту, определяя естественное ограничение точности синхронизации.

Эффект 2 подразумевает под корректностью именно синхронизированное представление мультимодального массива данных, что исключает неверную (из-за временных смещений) классификацию наблюдаемого поведенческого события; таким же образом частично определяется возникновение эффекта 6.

Эффекты 3 и 4 достигаются с помощью специального программного обеспечения, предоставляющего пользователю данные в комфортном для интерпретации и проверки виде.

Эффект 5, кроме невидимости излучения синхронизационного источника, определяется также практическим отсутствием других посторонних предметов, полей и излучений в камере обитания животного, по сравнению с обычными условиями его обитания.

Эффект 6 Объективность достигается также синхронной записью двигательной активности множеств животных или их групп, что обеспечивает возможность размещения в установке одновременно и животных контрольной группы, и экспонированных каким-либо исследуемым фактором (например, после введения вещества), что обеспечивает одинаковое влияние комплекса внеэкспериментальных факторов на опытных и контрольных животных.

Эффект 7 возникает при итеративном применении обсуждаемого программно-аппаратного комплекса, обеспечивая расширение спектра приложений и рост качества дешифровки.

Эффект 8 достигается благодаря передаче задач рутинной классификации на 4-ом этапе применения комплекса модулю искусственного интеллекта.

Таким образом, становится возможным точное и оперативное выделение области интереса, содержащей интересующие исследователя поведенческие события - с помощью сейсмоакустической записи и детальным рассмотрением соответствующих указанной области интереса, выделенных «на лету» сегментов видеозаписей и/или ультразвуковых спектрограмм, что обеспечивает однозначность интерпретации поведенческого события с субсекундной точностью, и присвоение рассматриваемому участку мультимодальных данных соответствующего класса, т.е. определение «паттерна поведения», с последующей автоматизацией дешифровки длительных поведенческих записей.

Техническим результатом заявляемого изобретения является разработка автоматизированного способа дешифровки паттернов поведения животных в длительных актографических экспериментах и устройства для его реализации, обеспечивающего возможность использовать для дешифровки как уже известные, так и вновь выявляемые поведенческие паттерны, и повысить скорость и качество дешифровки поведения животного в эксперименте.

Указанный технический результат достигается тем, что на этапе выделения паттернов используется синхронизация, вводимая на этапе мультимодальной регистрации специальной подсистемой, путем внедрения синхронизационного сигнала в сырые данные каждой из подсистем регистрации, в результате чего у оператора - дешифровщика появляется возможность с точностью до 1/(частота кадров видео) сопоставлять видео-, акустический и/или сейсмоакустический потоки данных в области интереса, что приводит к ускорению дешифровки и однозначной интерпретации точно определённых во времени поведенческих событий, обуславливающих повышение объёма и качества коллекции размеченных образцов и снижение частоты ошибок дешифровки при применении автоматической дешифровки (т.е. определение последовательности «паттернов поведения») с помощью модуля искусственного интеллекта.

4. Осуществление изобретения

Предложенный способ осуществляется следующим образом. Последовательно выполняются четыре этапа, соответствующих режимам работы программно-аппаратного комплекса:

1. Режим мультимодальной регистрации

После проведения подготовки животных и оборудования в соответствии со стандартами доклинических исследований (Vollert J. et al., 2020), животные размещаются в индивидуальных камерах обитания (рис. 1, 14), выполняется запуск всех (или некоторых) подсистем регистрации:

1.1 подсистемы акустической регистрации (Рис. 1, элементы 2, 6, 8)

1.2 подсистемы сейсмоакустической регистрации (Рис. 1, элементы 15, 7, 8)

1.3 подсистемы индивидуального видеонаблюдения за животными (Рис. 1, элементы 3, 5)

Кроме того, выполняется запуск

1.4 подсистемы синхронизации потока видеоданных и потоков акустических и/или сейсмоакустических данных (Рис. 1, элементы 1, 4, 12, 17, 20)

В результате указанного этапа мы получаем детально документированный период, в течение которого наблюдалась исследуемая поведенческая активность, включающая ограниченное многообразие состояний (также называемых «паттернами поведения»).

2. Режим выделения паттернов

Запускается после завершения сбора данных; используя метки времени, внедрённые подсистемой синхронизации по п.1, выполняется синхронизация мультимодальных данных и экспертная дешифровка с формированием (либо накоплением) коллекции размеченных образцов (т. е. таких сегментов записей, для которых определён наблюдаемый тип поведения и которым присвоена метка, например, «прыжок»). (Рис. 1, элементы 5, 8, 9, 18, 22, потоки данных [А, Б, В, Г, К]).

В результате указанного этапа мы получаем коллекцию размеченных образцов.

3. Режим обучения/отладки моделей искусственного интеллекта с использованием коллекции размеченных образцов (Рис. 1, элементы 18, 21, 22, потоки данных [Д, Е, К, Л]); в результате указанного этапа мы получаем обученную модель, пригодную для дешифровки архивированных данных.

4. Режим потоковой дешифровки включает преобразование данных регистрации двигательной активности в ряд меток состояний, соответствующий этограмме; преобразование выполняется с помощью моделей, полученных на этапе 3.[Ж, З, И, К, Л].

Устройство (аппаратно-программный комплекс), реализующий указанный способ.

Для реализации данного способа целесообразно применение Устройства по п.1, включающего аппаратную и программную части.

Аппаратная часть

Для пояснения описываемого объекта на Рис. 1 приведён состав элементов установки:

1. Источник монохроматического излучения, невидимого для животного (напр., ИК-лазер);

2. УЗ-микрофон и каскад фильтров и усилителей,

3 - видеокамера,

4 - устройство-контроллер мультимодального синхронизационного импульса,

5 - сервер накопления видеоданных,

6 - аналогово-цифровой преобразователь (АЦП) для УЗ-данных,

7 - АЦП для сейсмоакустических данных,

8 - сервер накопления акустических данных,

9 - программный модуль дешифровки синхронизированных данных,

10 - животное,

11 - демпферы акустической развязки камер обитания животных и механического каркаса установки,

12 - точки внедрения синхросигнала в потоки «сырых» данных,

13 - специализированный покровный модуль (крышка),

14 - индивидуальная камера обитания,

15 - сейсмоакустический датчик (напр., пьезоэлектрический), и каскад фильтров и усилителей,

16 - несущие конструкции,

17 - условный путь отражённого лазерного синхроимпульса к сенсору камеры,

18 - терминал управления дешифровкой,

19 - панель освещения,

20 - область кратковременной засветки, генерируемой лазером (4) подсистемы синхронизации,

21 - модуль искусственного интеллекта, включающий обучаемую, дообучаемую или обученную и готовую к использованию модель,

22 - коллекция размеченных образцов.

Полыми черными стрелками показан регистрируемый сигнал, полыми зелеными стрелками – синхроимпульс, черными стрелками с зеленой заливкой – регистрируемый сигнал с внедренными метками синхронизации, монотонными черными стрелками показаны направления передачи информации.

Буквами в квадратных скобках обозначены направления потоков передачи информации в зависимости от режима использования системы: в режиме регистрации активны неименованные потоки, в режиме выделения паттернов активны – [А, Б, В, Г], в режиме построения/отладки моделей активны [Д, Е, К, Л], в режиме потоковой дешифровки активны [Ж, З, И, К, Л].

Программная часть включает в себя драйвера и пользовательские интерфейсы АЦП1 и АЦП2 (не являются авторской разработкой), реализацию концепций, указанных в разделе «Осуществление способа», в частности, представления синхронизированных данных (см. Рис. 2), программные модули подготовки данных, обучения, валидации и имплементации моделей искусственного интеллекта, а также программные модули постобработки одномерных и многомерных сигналов, спектрального (в т.ч. частотно-временного анализа), построения аналитических графиков и изображений.

Таким образом, предлагаемый способ позволяет повысить точность и информативность дешифровки поведенческой активности мелких животных (в лаборатории). В конечном счёте, достигается более эффективное использование информации, скрытой в поведении животных.

Список литературы

1. Harper J.M., Austad S.N. Fecal glucocorticoids: a noninvasive method of measuring adrenal activity in wild and captive rodents// Physiol. And Biochem. Zool., 2000, 73(1): 12-22.

2. Hart B.L. Behavioural defense against parasites: interaction with parasite invasiveness// Parasitology, 1994,109 Suppl:S139-51.

3. Герлинская JI.A., Мошкин М.П., Евсиков В.И. Методические подходы к оценке стрессированности диких млекопитающих// Экология, 1993, 6, 97-100.

4. Слоним А. Д. Экологическая физиология животных. М., Высшая школа, 1971

5. Слоним А.Д. Среда и поведение. Формирование адаптивного поведения. Л., "Наука", 1976, 206 с.

6. Фарби К.Э. Основы зоопсихологии. М., Изд.МГУ, 1993.

7. В.П., Киселёв В.И. Потребность в двигательной активности. М. 1998

8. Williams Т.D., Christians J.K., Aiken J.J., Evanson M. Enhanced immune function does not depress reproductive output// Proc. R. Soc. Lond. B, 1999, 266: 753-757.

9. Л.Н. Анищенко, А.С. Бугаев, И.А. Васильев, С.И. Ивашов, О.С. Медведев, В.Б. Парашин, Использование метода биорадиолокации для оценки двигательной активности лабораторных животных, Радиотехника, 2010, № 2, с. 43-48

10. Crowcroft P. & Rowe F. P., 1963 - Social organization and territorial behaviour in the wild house mouse Proc. Zool. SOC. Lond., 140: 517-531

11. Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в Matlab. - М.:ДМК Пресс, 2008. - 448 с.: ил.

12. Сергиенко А.Б. Цифровая обработка сигналов: учебник для ВУЗов. 2-е изд. - СПб.: Питер, 2007. - 751 с.: ил.

13. Руководство по экспериментальному (доклиническому) Р85 изучению новых фармакологических веществ. 2-изд., перераб. и доп. - М.: ОАО «Издательство «Медицина», 2005. - 832 е.: ил.

14. "Санитарные правила по устройству, оборудованию и содержанию экспериментально-биологических клиник (вивариев)", Минздрав СССР, М., 1973 (утверждены Главным государственным санитарным врачом СССР 6 апреля 1973 г., № 1045-73).

15. Шилов И.А. Биосфера, уровни организации жизни и проблемы экологии// Экология, 1981, 1: 5-11.

16. Шилов И.А. Физиологическая экология животных, Москва, Высшая школа, 1985.

17. Л.Н. Анищенко, А.С. Бугаев, И.А. Васильев, С.И. Ивашов, О.С. Медведев, В.Б. Парашин, Использование метода биорадиолокации для оценки двигательной активности лабораторных животных, Радиотехника, 2010, № 2, с. 43-48

18. Shieh K.-R., Chen R.-J., Yang S.-C. Circadian Patterns of Rats in Their Home Cages Detected Using a Video Tracking System // Chin J Physiol. 2017. Vol. 60, № 6. P. 313-319.

19. Tobler I. [Actometry for the objective assessment of sleep disorders] // Ther Umsch. 1993. Vol. 50, № 10. P. 684-687.

20. Kobayashi K. et al. The assessment of mouse spontaneous locomotor activity using motion picture // Journal of Pharmacological Sciences. 2020. Vol. 143, № 2. P. 83-88.

21. Andreev A. et al. New Approaches to Studying Rodent Behavior Using Deep Machine Learning // Advances in Digital Science / ed. Antipova T. Cham: Springer International Publishing, 2021. Vol. 1352. P. 365-374.

22. Vollert J. et al. Systematic review of guidelines for internal validity in the design, conduct and analysis of preclinical biomedical experiments involving laboratory animals // BMJ Open Science. 2020. Vol. 4, № 1. P. e100046.

23. Способ длительной цифровой регистрации спонтанной двигательной активности мелких лабораторных животных посредством сейсмоакустических измерений и устройство для его реализации. Андреев А.И. Заявка на патент 2012107607/14.

Группа изобретений относится к медицине, а именно к программно-аппаратному комплексу дешифровки паттернов поведения животных и способу дешифровки поведения животного с помощью этого комплекса. Комплекс содержит группу регистрирующих камер (14) для размещения лабораторных животных (10), подсистему индивидуального видеонаблюдения (3) за животными, подсистему сейсмоакустической регистрации колебаний дна и стенок каждой из камер и/или подсистему акустической регистрации издаваемых животными звуков, подсистему синхронизации потока видеоданных и потоков акустических и/или сейсмоакустических данных. Вызываемые двигательной активностью животного колебания дна и стенок камер регистрируются сейсмоакустическим датчиком в составе подсистемы сейсмоакустической регистрации (15). Аналоговый сигнал от сейсмоакустического датчика проходит каскад фильтрации и предусиления перед попаданием в аналогово-цифровой преобразователь (7). Подсистема акустической регистрации звуков (2) включает акустические сенсоры звуковой и/или ультразвуковой частоты, каскады усиления и фильтрации и аналогово-цифровой преобразователь (6). Подсистема синхронизации потока видеоданных и потоков акустических и/или сейсмоакустических данных включает устройство-контроллер мультимодального синхронизационного импульса (4), каналы связи, монохроматический источник света (1). Каналы связи выполнены с возможностью добавления синхронизационного импульса (12) в акустический и/или сейсмоакустический поток данных посредством подключения между выходом каскада фильтрации и предусиления и входом аналогово-цифрового преобразователя. Источник света генерирует синхронизационный импульс в оптическом диапазоне с возможностью его добавления в поток видеоданных. Длина волны источника света находится в пределах спектральной чувствительности камер видеонаблюдения, но вне пределов спектральной чувствительности органов зрения исследуемых лабораторных животных. При исполнении способа лабораторных животных размещают в индивидуальные регистрирующие камеры. Для каждого животного выполняют регистрацию видеоданных, сейсмоакустических и ультразвуковых данных. Потоки данных синхронизируют между собой с помощью подсистемы синхронизации потока видеоданных и потоков акустических и/или сейсмоакустических данных с возможностью автоматизированного формирования коллекции размеченных образцов (22). Обеспечивается автоматизированный способ дешифровки паттернов поведения животных в длительных актографических экспериментах и устройство для его реализации, выполненные с возможностью использования для дешифровки уже известных и вновь выявляемых поведенческих паттернов, повышение скорости и точности дешифровки поведения животного в эксперименте. 2 н. и 1 з.п. ф-лы, 2 ил.

1. Программно-аппаратный комплекс дешифровки паттернов поведения животных, содержащий по меньшей мере одну группу регистрирующих камер для размещения лабораторных животных, подсистему индивидуального видеонаблюдения за животными и по меньшей мере одну из следующих подсистем: подсистема сейсмоакустической регистрации колебаний дна и стенок каждой из камер, вызываемых двигательной активностью животного, которые регистрируются сейсмоакустическим датчиком, аналоговый сигнал от которого проходит каскад фильтрации и предусиления перед попаданием в аналогово-цифровой преобразователь, подсистема акустической регистрации звуков, издаваемых животными, включающая акустические сенсоры звуковой и/или ультразвуковой частоты, каскады усиления и фильтрации и аналогово–цифровой преобразователь, отличающийся тем, что дополнительно содержит подсистему синхронизации потока видеоданных и потоков акустических и/или сейсмоакустических данных, включающую устройство-контроллер мультимодального синхронизационного импульса, каналы связи, выполненные с возможностью добавления синхронизационного импульса в акустический и/или сейсмоакустический поток данных посредством подключения между выходом каскада фильтрации и предусиления и входом аналогово-цифрового преобразователя, и монохроматический источник света с длиной волны, которая находится в пределах спектральной чувствительности камер видеонаблюдения, но вне пределов спектральной чувствительности органов зрения исследуемых лабораторных животных, генерирующий синхронизационный импульс в оптическом диапазоне с возможностью его добавления в поток видеоданных.

2. Способ дешифровки поведения животного с помощью программно-аппаратного комплекса по п.1, в котором лабораторных животных размещают в индивидуальные регистрирующие камеры и для каждого животного выполняют регистрацию видеоданных, сейсмоакустических и ультразвуковых данных, отличающийся тем, что потоки данных синхронизируют между собой с помощью подсистемы синхронизации потока видеоданных и потоков акустических и/или сейсмоакустических данных, с возможностью автоматизированного формирования коллекции размеченных образцов.

3. Способ по п.2, отличающийся тем, что на основе коллекции размеченных образцов выполняют обучение модуля искусственного интеллекта для автоматической дешифровки накопленных видеоданных и акустических и/или сейсмоакустических данных.