• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • Aplicar el aprendizaje profundo a la captura de movimiento con DeepLabCut

    La estimación de pose sin marcadores durante el comportamiento y en múltiples especies es crucial para muchas aplicaciones en neurociencia. Los organismos modelo comunes se representan en acción, con sus trayectorias pasadas ilustradas. Crédito:Ella Maru Studio

    Un equipo de investigadores afiliado a varias instituciones en Alemania y los EE. UU. Ha desarrollado un algoritmo de aprendizaje profundo que se puede utilizar para la captura de movimiento de animales de cualquier tipo. En su artículo publicado en la revista Neurociencia de la naturaleza, el grupo describe su herramienta de seguimiento llamada DeepLabCut, cómo funciona y cómo utilizarlo. Kunlin Wei y Konrad Kording de la Universidad de Pekín y la Universidad de Pensilvania, respectivamente, ofrecen un artículo de News &Views sobre el trabajo realizado por el grupo en el mismo número de la revista.

    Como señalan Wei y Kording, Los científicos han estado tratando de aplicar la captura de movimiento a humanos y animales durante más de un siglo; la idea es capturar las complejidades de todos los pequeños movimientos que juntos forman un movimiento más notorio, como un solo paso de baile. Ser capaz de rastrear tales movimientos en animales ofrece algunas pistas sobre su biomecánica y cómo funcionan sus cerebros. Poder hacerlo con humanos puede ayudar en los esfuerzos de fisioterapia o mejorar el rendimiento deportivo. El proceso actual implica grabar en video al sujeto y llevar a cabo un laborioso proceso de etiquetado de imágenes cuadro por cuadro. En este nuevo esfuerzo, los investigadores han desarrollado una técnica de automatización informática para llevar a cabo el proceso, haciéndolo mucho más rápido y fácil.

    Para crear DeepLabCut, el grupo entrenó una red neuronal utilizando información de una base de datos llamada Imagenet que contiene una gran cantidad de imágenes y metadatos asociados. Luego desarrollaron un algoritmo que optimizaba las estimaciones de poses. La tercera pieza fue el software que ejecuta el algoritmo, interactúa con los usuarios y ofrece salida de resultados. El resultado es una herramienta que se puede utilizar para realizar capturas de movimiento en humanos y prácticamente en cualquier otra criatura. Todo lo que un usuario tiene que hacer es cargar muestras de lo que busca, decir, fotos de una ardilla, con sus partes principales etiquetadas y algunos videos que demuestran cómo se mueve en general. Luego, el usuario sube un video de un sujeto que realiza una actividad de interés, por ejemplo, una ardilla abriendo una nuez. El software hace el resto producir captura de movimiento de la actividad.

    Una mosca de la fruta que se mueve en una cámara 3D se rastrea automáticamente con DeepLabCut Crédito:Mathis et al, 2018

    El equipo ha hecho que la nueva herramienta sea de libre acceso para cualquier persona que desee utilizarla para el propósito que elija. Wei y Kording sugieren que la herramienta podría revolucionar la captura de movimiento, haciéndolo fácilmente disponible para profesionales y principiantes por igual.

    La mano de un mouse se rastrea automáticamente con DeepLabCut, y las trayectorias muestran los movimientos futuros (izquierda) y pasados ​​(extrema derecha). Crédito:Mathis et al, 2018

    © 2018 Tech Xplore




    © Ciencia https://es.scienceaq.com