Forum für Wissenschaft, Industrie und Wirtschaft

Hauptsponsoren:     3M 
Datenbankrecherche:

 

Neue Software erleichtert Tierbewegungsforschung

21.08.2018

DeepLabCut analysiert mit Künstlicher Intelligenz Bewegungsabläufe von Tieren

Eine neue Software soll künftig Tiervideos besonders schnell und präzise auswerten: Das Programm DeepLabCut wurde von einem Forschungsteam der Universitäten Tübingen und Harvard entwickelt. Die Software basiert auf maschinellem Lernen und kann nach kurzem Training Bewegungsabläufe von Tieren in Videos analysieren.


Die Software DeepLabCut analysiert Bewegungsabläufe von Tieren besonders effizient.

Ella Maru Studio


DeepLabCut erkennt Schwanz, Ohren und Schnauze der Maus, die eine Geruchsspur verfolgt.

Dr. Alexander Mathis, Murthy Laboratory, Harvard University

Es ist auf viele Versuchsanordnungen übertragbar, kann ohne Programmierkenntnisse bedient werden und ist frei im Internet verfügbar: http://mousemotorlab.org/deeplabcut. Die Ergebnisse der Wissenschaftlerinnen und Wissenschaftler zu DeepLabCut wurden nun in der Fachzeitschrift Nature Neuroscience veröffentlicht.

„Bisher war es sehr aufwändig, Bewegungen von Körperteilen in Videos zu analysieren“, erklärt Dr. Alexander Mathis, Neurowissenschaftler am Bernstein Center for Computational Neuroscience an der Universität Tübingen sowie der Harvard University „DeepLabCut lernt anhand einiger Beispielbilder, die exakte Position von Körperteilen in allen Bildern eines Videos zu bestimmen.“ Gemeinsam mit Dr. Mackenzie Mathis vom Rowland Insitute at Harvard, sowie Dr. Matthias Bethge, Professor für Computational Neuroscience and Machine Learning an der Universität Tübingen, hat er das Projekt geleitet.

Es begann mit einem doppelten Dilemma: Mackenzie Mathis wollte erforschen, wie genau das Zusammenspiel von Händen und Gehirn bei Mäusen funktioniert und hatte dafür Mäuse bei Greifbewegungen auf Video aufgezeichnet. Alexander Mathis hatte unter Laborbedingungen eine Maus gefilmt, die auf einem Laufband laufend einer Riechspur verfolgt.

Er wollte herausfinden, wie Mäuse die einzelnen Geruchsfetzen, die sich bei jedem Einatmen ergeben, zu einem Ganzen zusammenfügen. Für beide Vorhaben mussten die Forscher die Bewegungsabläufe genauestens dokumentieren, doch herkömmliche neurowissenschaftliche Methoden lieferten keine befriedigenden Ergebnisse.

Alternativ hätten sie Reflektoren auf den Versuchstieren platzieren werden können, um die Körperteilerkennung zu vereinfachen, wie es in Biomechanikstudien üblich ist. „Das kam jedoch nicht in Frage, denn solche Marker beeinträchtigen auch das Verhalten des Tieres“, erinnert sich Alexander Mathis. Sie machten sich daher auf die Suche nach einer Alternative.

Forscherkollege Matthias Bethge schlug den Mathises vor, ein bestehendes Netzwerk umzutrainieren – im Fachjargon transfer learning genannt. Denn fernab der Neurowissenschaften waren im Forschungsfeld des Maschinellen Sehens beeindruckende Methoden zur reflektorfreien Erkennung von Gliedmaßen von Menschen entwickelt worden. Diese, so glaubte Bethge, könnten als Basis für die Tierbewegungsforschung dienen. Die Mathises wählten als Grundlage den Algorithmus DeeperCut, der menschliche Körperhaltungen analysieren kann.

In der Vorbereitung lernt DeeperCut anhand hunderttausender Bilder von Katzen, Hunden, Früchten etc. zunächst viele verschiedene sogenannte visuelle Repräsentationen. Die Forscher vermuteten, dass das Netzwerk wegen dieses großen Vorwissens mit nur wenigen Beispielen zur Körperteilerkennung von Tieren umtrainiert werden kann. Ähnlich funktioniert auch das visuelle Lernen von Kindern, die neue Seherlebnisse anhand ihrer Erfahrung aus vorherigen Beobachtungen einordnen können: Ein unbekanntes faustgroßes, ballförmiges Objekt kann als Frucht eingeordnet werden ohne es gleich als Apfel identifizieren zu müssen.

Entsprechend trainierten die Forscher ihre eigenen Netzwerke auf Bildern aus Tiervideos von Mäusen und Fruchtfliegen, indem sie bei einigen Aufnahmen die zu beobachtenden Körperteile manuell markierten. Mithilfe dieses Trainings sollte der Computer auf allen übrigen Bildern der Videos die entsprechenden Körperteile erkennen und automatisch markieren können.

Der Versuch war überaus erfolgreich: Nicht nur gelang der Lerntransfer vom einen auf das andere Netzwerk, auch der geringe Trainingsaufwand ließ die Forscher staunen. Der neue Algorithmus DeepLabCut konnte bereits ab einem Trainingsdatensatz von 200 Bildern die Körperteile der jeweiligen Tiere in Bewegung erkennen und sie so präzise wie ein Mensch zuordnen.

DeepLabCut kann mit etwas Training fast jedes Tierverhalten auswerten. Das Programm entspricht einem Baukasten und ist sehr benutzerfreundlich konzipiert; Programmierkenntnisse sind hilfreich, aber nicht erforderlich. „Die Software ist frei verfügbar“, betont Mackenzie Mathis „Wir wollen, dass möglichst viele Wissenschaftler und ihre Forschung davon profitieren.“ Mehr als fünfzig Labore nutzen das Programm schon, um beispielsweise die Gangart von Pferden zu vermessen, das Kriechverhalten von Blutegeln zu erforschen oder um Bewegungen von Operationsrobotern aufzuzeichnen.

Ohne die Arbeiten zum Algorithmus DeeperCut wäre den Forschern die Entwicklung von DeepLabCut so schnell nicht möglich gewesen. Als Würdigung der Arbeit der Forscherkollegen ist daher der Name von DeepLabCut an DeeperCut eng angelehnt. „Für den wissenschaftlichen Fortschritt ist das Teilen von Ergebnissen, Daten und auch Algorithmen essentiell wichtig“, betont Bethge. „Daher haben wir DeepLabCut als Open Source Software entwickelt und freuen uns sehr über das positive Feedback unserer Forscherkollegen in den Neurowissenschaften.“

Wissenschaftliche Ansprechpartner:

Professor Matthias Bethge
Universität Tübingen
Computational Neuroscience & Machine Learning
Tel.: + 49 7071 2989017
E-Mail: matthias.bethge@uni-tuebingen.de

Dr. Isabel Suditsch
Universität Tübingen
Cyber Valley AI Unit
Tel.: +49 7071 6011924
E-Mail: isabel.suditsch@uni-tuebingen.de

Originalpublikation:

Mathis et al, DeepLabCut: markerless pose estimation of user-defined body parts with deep learning. Nature Neuroscience, August 20th, 2018. DOI: 10.1038/s41593-018-0209-y

Weitere Informationen:

http://www.mousemotorlab.org/deeplabcut
http://www.nature.com/articles/s41593-018-0209-y

Antje Karbe | idw - Informationsdienst Wissenschaft

Weitere Nachrichten aus der Kategorie Informationstechnologie:

nachricht „Sachen machen mit KI“: Automatisches Kassensystem für Kantinen
04.12.2019 | Karlsruher Institut für Technologie

nachricht Optimaler Kundenservice durch künstliche Intelligenz
04.12.2019 | Universität Bayreuth

Alle Nachrichten aus der Kategorie: Informationstechnologie >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

Die letzten 5 Focus-News des innovations-reports im Überblick:

Im Focus: Bis zu 30 Prozent mehr Kapazität für Lithium-Ionen-Akkus

Durch Untersuchungen struktureller Veränderungen während der Synthese von Kathodenmaterialen für zukünftige Hochenergie-Lithium-Ionen-Akkus haben Forscherinnen und Forscher des Karlsruher Instituts für Technologie (KIT) und kooperierender Einrichtungen neue und wesentliche Erkenntnisse über Degradationsmechanismen gewonnen. Diese könnten zur Entwicklung von Akkus mit deutlich erhöhter Kapazität beitragen, die etwa bei Elektrofahrzeugen eine größere Reichweite möglich machen. Über die Ergebnisse berichtet das Team in der Zeitschrift Nature Communications. (DOI 10.1038/s41467-019-13240-z)

Ein Durchbruch der Elektromobilität wird bislang unter anderem durch ungenügende Reichweiten der Fahrzeuge behindert. Helfen könnten Lithium-Ionen-Akkus mit...

Im Focus: Neue Klimadaten dank kompaktem Alexandritlaser

Höhere Atmosphärenschichten werden für Klimaforscher immer interessanter. Bereiche oberhalb von 40 km sind allerdings nur mit Höhenforschungsraketen direkt zugänglich. Ein LIDAR-System (Light Detection and Ranging) mit einem diodengepumpten Alexandritlaser schafft jetzt neue Möglichkeiten. Wissenschaftler des Leibniz-Instituts für Atmosphärenphysik (IAP) und des Fraunhofer-Instituts für Lasertechnik ILT entwickeln ein System, das leicht zu transportieren ist und autark arbeitet. Damit kann in Zukunft ein LIDAR-Netzwerk kontinuierlich und weiträumig Daten aus der Atmosphäre liefern.

Der Klimawandel ist in diesen Tagen ein heißes Thema. Eine wichtige wissenschaftliche Grundlage zum Verständnis der Phänomene sind valide Modelle zur...

Im Focus: Auxetische Membranen - Paradoxes Ersatzgewebe für die Medizin

Ein Material, das dicker wird, wenn man daran zieht, scheint den Gesetzen der Physik zu widersprechen. Der sogenannte auxetische Effekt, der auch in der Natur vorkommt, ist jedoch für eine Vielzahl von Anwendungen interessant. Eine neue, vor kurzem im Fachblatt «Nature Communications» veröffentlichte Studie der Empa zeigt nun, wie sich das erstaunliche Materialverhalten weiter steigern lässt – und sogar für die Behandlung von Verletzungen und Gewebeschäden genutzt werden kann.

Die Natur macht es vor: Ein Kälbchen, das am Euter der Mutterkuh Milch saugt, nutzt eine faszinierende physikalische Eigenschaft der Kuhzitze: Diese besteht...

Im Focus: Meteoritengestein ist "bessere Diät"

Archaeon kann Meteoritengestein aufnehmen – und sich davon ernähren

Das Archaeon Metallosphaera sedula kann außerirdisches Material aufnehmen und verarbeiten. Das zeigt ein internationales Team um Astrobiologin Tetyana...

Im Focus: The coldest reaction

With ultracold chemistry, researchers get a first look at exactly what happens during a chemical reaction

The coldest chemical reaction in the known universe took place in what appears to be a chaotic mess of lasers. The appearance deceives: Deep within that...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

VideoLinks
Industrie & Wirtschaft
Veranstaltungen

QURATOR 2020 – weltweit erste Konferenz für Kuratierungstechnologien

04.12.2019 | Veranstaltungen

Die Zukunft der Arbeit

03.12.2019 | Veranstaltungen

Intelligente Transportbehälter als Basis für neue Services der Intralogistik

03.12.2019 | Veranstaltungen

VideoLinks
Wissenschaft & Forschung
Weitere VideoLinks im Überblick >>>
 
Aktuelle Beiträge

Bis zu 30 Prozent mehr Kapazität für Lithium-Ionen-Akkus

05.12.2019 | Energie und Elektrotechnik

Schweizer Weltraumteleskop CHEOPS: Raketenstart voraussichtlich am 17. Dezember 2019

05.12.2019 | Physik Astronomie

Höchster deutscher Forschungspreis geht nach Freiburg

05.12.2019 | Förderungen Preise

Weitere B2B-VideoLinks
IHR
JOB & KARRIERE
SERVICE
im innovations-report
in Kooperation mit academics