朝着一个开源的，设备不可知的框架，用于自动监测家庭笼子的福利

我们为什么要资助这个项目?

该奖项旨在通过开发一种机器学习工具来识别可能表明对福利关注的行为变化，从而完善使用实验室小鼠的实验的人道终点。

在英国，老鼠是最常用的实验动物，2018年在实验过程中使用的老鼠超过100万只。根据英国1986年的《动物(科学程序)法案》，在这些程序中，35%被归类为中度严重，7%被归类为严重，因为它们造成的痛苦程度不同。早期发现动物福利不佳很重要，这样才能采取干预措施尽量减少痛苦。老鼠是猎物，它们隐藏痛苦的迹象以避免被捕食。在实验室环境中，识别行为变化或其他不良福利迹象可能是困难的，特别是大多数检查是在工作时间进行的，而老鼠是夜行动物，通常不太活跃。自动化系统已经开发出来，可以记录老鼠在笼子里的行为，而不需要将动物移动到特定的测试场地。这些方法的优点是避免给小鼠带来压力，为评估可能引起关注的自然行为和偏差提供了机会。自动家居笼子监测的一个例子，是通过开发的家居笼子分析器(HCA)系统啮齿动物小弟弟破解IT挑战．这允许对老鼠进行24/7的微创记录，而不需要将它们从笼子或社会群体中取出。

这名学生将与詹姆斯·布朗博士合作开发一种软件警报系统，向研究人员和动物护理人员发出行为变化的信号，该系统适用于任何类型的记录设备。深度学习模型将与萨拉·威尔斯博士合作，使用来自哈维尔医学院HCA的视频进行训练。该软件将是开源的，其中包含一些预先训练过的模型，以识别可供使用的野生类型行为。

在生物医学研究中使用老鼠和其他高等动物的道德影响多年来一直是一个争论的话题，并引导了各种努力，以尽量减少动物的痛苦。随着生物医学研究中使用的小鼠数量继续增加，人们比以往任何时候都更加强调改进饲养规程和人道终点的方法，以确保迅速和有效地处理福利问题。

笼子监测被认为是一种捕捉动物在明暗两个阶段的行为的方法，这样就可以在不需要人为干预的情况下捕捉到福利赤字。一些商业和非商业系统已经被设计用来捕捉老鼠的视频片段(和其他数据)，这比传统的实验设计有几个优势:18luck新利体育官网登录

1)行为可以在熟悉的、丰富的环境中捕捉到

2)观察结果不会被新仪器或人类实验者混淆

3)作为永久的数字记录

4)视频数据适用于自动图像分析技术

在笼子分析(HCA)的背景下，仍然存在的挑战是能否以一种全自动、全面、健壮和计算效率高的方式分析视频片段。根据这个提议，成功的学生获奖者将开发一个基于深度学习的自动化HCA问题的解决方案;一种最先进的计算机视觉问题的解决方法，利用受人类视觉皮层启发的计算模型。这项技术将基于“异常检测”，即首先训练一个模型，以捕获小鼠在正常情况下(即没有福利缺陷的情况下)可能表现出的行为范围。该方法通过学习生成一组描述老鼠行为的视觉和运动特征，然后让同一个模型尝试根据这些特征“重建”输入片段。在这样做的过程中，模型被迫只捕获关于正常行为的关键信息。鉴于描述福利赤字的视频剪辑从定义上看是不同的正常行为，该模型将不太能够表示这些数据。

詹姆斯·布朗博士将是这项工作的主要主管，他在涉及老鼠模型的跨学科研究方面有很强的记录。布朗博士此前曾与玛丽·里昂中心(该项目的合作者)合作，开发用于小鼠胚胎表型分型的3D图像分析技术。布朗博士最近发表了几篇关于机器学习技术诊断视网膜疾病的高影响力文章，目前正在寻求美国食品和药物管理局的批准。

叶旭炯教授将共同监督这个项目，他带来了在计算机视觉和医学图像分析行业和学术界超过20年的经验。这份提案中概述的方法与叶教授最近发表的一项研究很吻合，该研究开发了一种算法，可以从自上而下的视频片段中跟踪和评估农场猪的福利。