RatTrack - Ein experimentelles Setup für Bewegungsanalyse und neuronale Ableitungen mithilfe neuartiger, tiefer neuronaler Netze

Die zuverlässige Bewegungsanalyse von Versuchstieren ist eine der großen technischen Herausforderungen in den Neurowissenschaften. Genaue und detaillierte Messdaten der Bewegung des Tiers sind äußerst wertvoll für Verhaltensstudien. Noch wertvoller sind solche Bewegungsdaten in Verbindung mit synchronen elektrophysiologischen Ableitdaten. Sie bilden die Grundlage für die Erforschung des neuronalen Codes bei der Steuerung von Bewegungsabläufen. Existierende Systeme zur Bewegungsanalyse haben zahlreiche Eigenschaften, welche die Nutzung in den Neurowissenschaften bisher stark einschränken. Maschinelle Lernverfahren basierend auf tiefen neuronalen Netzen (Deep Learning) eröffnen nun neue Möglichkeiten für die Bewegungsanalyse. In diesem Projekt sollen Deep-Learning-Verfahren für die Analyse von Bildsequenzen und die Ausgabe von 3D-Rauminformationen weiterentwickelt werden und damit gleichzeitig eine zeitlich konsistente, markerfreie 3D-Bewegungsverfolgung beliebig vieler Punkte auf der Oberfläche von Versuchstieren für die Neurowissenschaften realisiert werden. Mit diesem System sollen Daten für eine Korrelationsanalyse von Bewegungsabläufen mit neuronalen Signalen verschiedener Hirnareale gewonnen werden. Desweiteren sollen mit dem System die Auswirkungen von gezielten Störungen in motorischen Arealen auf die Bewegung analysiert werden.

Projektbeginn: 01.07.2017
Projektende: 30.06.2020

Prof. Thomas Brox

Albert-Ludwigs-Universität Freiburg
Mustererkennung und Bildverarbeitung
Prof. Dr. Thomas Brox
Georges-Köhler-Allee, Gebäude 052
79110 Freiburg i. Br.

Telefon: +49-761-203-8260
Fax: +49-761-203-8262
http://lmb.informatik.uni-freiburg.de/

Prof. Ilka Diester

• Baden-Württemberg-Stiftung, Stiftung