論文の概要: Towards Continuous Home Cage Monitoring: An Evaluation of Tracking and Identification Strategies for Laboratory Mice
- arxiv url: http://arxiv.org/abs/2507.07929v1
- Date: Thu, 10 Jul 2025 17:09:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-11 16:40:15.506602
- Title: Towards Continuous Home Cage Monitoring: An Evaluation of Tracking and Identification Strategies for Laboratory Mice
- Title（参考訳）: 連続住宅ケージモニタリングに向けて:実験室マウスの追跡・識別戦略の評価
- Authors: Juan Pablo Oberhauser, Daniel Grzenda,
- Abstract要約: 実験室マウスの連続的自動モニタリングは、より正確なデータ収集を可能にし、動物の福祉を改善する。
我々は,カスタムイヤータグを装着したマウスに対して,ID予測を正確に割り当てるリアルタイム識別(ID)アルゴリズムを開発した。
我々のモデルでは、24/7ケージのカバレッジで、30フレーム毎のカスタムイヤータグに基づく動物IDを割り当てています。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Continuous, automated monitoring of laboratory mice enables more accurate data collection and improves animal welfare through real-time insights. Researchers can achieve a more dynamic and clinically relevant characterization of disease progression and therapeutic effects by integrating behavioral and physiological monitoring in the home cage. However, providing individual mouse metrics is difficult because of their housing density, similar appearances, high mobility, and frequent interactions. To address these challenges, we develop a real-time identification (ID) algorithm that accurately assigns ID predictions to mice wearing custom ear tags in digital home cages monitored by cameras. Our pipeline consists of three parts: (1) a custom multiple object tracker (MouseTracks) that combines appearance and motion cues from mice; (2) a transformer-based ID classifier (Mouseformer); and (3) a tracklet associator linear program to assign final ID predictions to tracklets (MouseMap). Our models assign an animal ID based on custom ear tags at 30 frames per second with 24/7 cage coverage. We show that our custom tracking and ID pipeline improves tracking efficiency and lowers ID switches across mouse strains and various environmental factors compared to current mouse tracking methods.
- Abstract（参考訳）: 実験室マウスの連続的自動モニタリングは、より正確なデータ収集を可能にし、リアルタイムの洞察を通じて動物の福祉を改善する。
研究者は、ホームケージの行動および生理的モニタリングを統合することで、病気の進行と治療効果のよりダイナミックで臨床的に関連性のある特徴を達成することができる。
しかし、居住密度、類似した外観、高い移動性、頻繁な相互作用のため、個々のマウスの指標を提供することは困難である。
これらの課題に対処するため、我々は、カメラで監視されるデジタルホームケージにカスタムイヤータグを装着したマウスに対して、ID予測を正確に割り当てるリアルタイム識別(ID)アルゴリズムを開発した。
このパイプラインは,(1)マウスの外観と動作キューを組み合わせたカスタムマルチオブジェクトトラッカー(MouseTracks),(2)トランスフォーマーベースのID分類器(Mouseformer),(3)トラックレットに最終ID予測を割り当てるトラックレット連想線形プログラム(MouseMap)の3つの部分から構成される。
我々のモデルでは、24/7ケージのカバレッジで、30フレーム毎のカスタムイヤータグに基づく動物IDを割り当てています。
我々のカスタムトラッキングとIDパイプラインは、現在のマウス追跡方法と比較して、トラッキング効率を改善し、マウスのひずみや環境要因をまたいだIDスイッチを低くする。
関連論文リスト
- Classification of Cattle Behavior and Detection of Heat (Estrus) using Sensor Data [0.0]
我々は、加速度計とジャイロセンサーを備えた安価なBluetoothベースの首首首輪を設計、展開し、実際の牛のリアルタイム行動データを収集した。
ラベル付きデータセットは、同期されたCCTV映像を使用して作成され、フィード、ルミネーション、嘘などの振る舞いに注釈を付ける。
実験では,93%以上の行動分類精度,96%のエストラス検出精度が得られた。
論文 参考訳（メタデータ） (2025-06-19T15:00:23Z) - Mouse Lockbox Dataset: Behavior Recognition for Mice Solving Lockboxes [4.227601397207403]
複雑な機械パズル、いわゆるロックボックスを解く個々のマウスのビデオデータセットを提示する。
110時間以上のプレイタイムは、3つの異なる視点から記録された行動を示す。
フレームレベルの行動分類手法のベンチマークとして、2つの異なるマウスのすべてのビデオに対して、人間のアノテーション付きラベルを提供する。
論文 参考訳（メタデータ） (2025-05-21T11:51:51Z) - Consistent multi-animal pose estimation in cattle using dynamic Kalman filter based tracking [0.0]
KeySORTは、トラックレットをバウンディングボックスフリーで構築するための適応カルマンフィルタであり、検出されたキーポイントの時間的一貫性を著しく向上する。
実験結果から,提案アルゴリズムは,精度の高い真理キーポイントの最大80%を検出できることがわかった。
論文 参考訳（メタデータ） (2025-03-13T15:15:54Z) - Unsupervised Learning of Accurate Siamese Tracking [68.58171095173056]
分類枝と回帰枝の両方で時間対応を学習できる新しい教師なし追跡フレームワークを提案する。
トラッカーは、トラッカーネットやLaSOTのような大規模データセット上で、教師なしの手法と同等の性能を発揮する。
論文 参考訳（メタデータ） (2022-04-04T13:39:43Z) - Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。
これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。
本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
論文 参考訳（メタデータ） (2021-12-13T17:11:32Z) - Distractor-Aware Fast Tracking via Dynamic Convolutions and MOT
Philosophy [63.91005999481061]
実用的長期トラッカーは、典型的には3つの重要な特性を含む。
効率的なモデル設計、効果的なグローバル再検出戦略、堅牢な気晴らし認識メカニズム。
動的畳み込み (d-convs) と多重オブジェクト追跡 (MOT) の哲学を用いて, 注意をそらした高速トラッキングを実現するための2タスクトラッキングフレームワーク(DMTrack)を提案する。
我々のトラッカーはLaSOT, OxUvA, TLP, VOT2018LT, VOT 2019LTベンチマークの最先端性能を実現し, リアルタイム3倍高速に動作させる。
論文 参考訳（メタデータ） (2021-04-25T00:59:53Z) - AcinoSet: A 3D Pose Estimation Dataset and Baseline Models for Cheetahs
in the Wild [51.35013619649463]
我々はAcinoSetと呼ばれる野生のフリーランニングチーターの広範なデータセットを提示する。
データセットには、119,490フレームのマルチビュー同期高速ビデオ映像、カメラキャリブレーションファイル、7,588フレームが含まれている。
また、結果の3D軌道、人間チェックされた3D地上真実、およびデータを検査するインタラクティブツールも提供される。
論文 参考訳（メタデータ） (2021-03-24T15:54:11Z) - Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。
移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-12T15:30:02Z) - BeCAPTCHA-Mouse: Synthetic Mouse Trajectories and Improved Bot Detection [78.11535724645702]
本稿では,マウスの神経運動モデルに基づくボット検出器BeCAPTCHA-Mouseを提案する。
BeCAPTCHA-Mouseは、1つのマウス軌道だけで、平均93%の精度で高実在性のボット軌道を検出することができる。
論文 参考訳（メタデータ） (2020-05-02T17:40:49Z) - Machine learning approaches for identifying prey handling activity in
otariid pinnipeds [12.814241588031685]
本稿では,アザラシの捕食行動の同定に焦点をあてる。
考慮すべきデータは、アザラシに直接取り付けられたデバイスによって収集された3D加速度計と深度センサーのストリームである。
機械学習(ML)アルゴリズムに基づく自動モデルを提案する。
論文 参考訳（メタデータ） (2020-02-10T15:30:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。