小鼠行为分类系统。 中科院成都生物所供图 

小鼠、大鼠、猴子等模式动物的行为识别，在医学研究和药物开发中都具有重要意义。通过普通视频技术研究动物对特定刺激的反应，容易受到实验场所的光照条件和拍摄角度的影响。

为解决这一问题，近日，中国科学院成都生物研究所动物行为与仿生项目的科研人员基于受抑全反射原理，设计了一个小鼠行为分类系统，通过小鼠的“脚印”来识别其行为，从而进行相关研究。多次实验结果表明，小鼠的足部接触特征在行为识别方面比普通视频特征更有效。

密闭“黑箱” 形成无干扰的监测环境

在中科院成都生物所研究员唐业忠的办公室，记者见到了这个外表简易却暗含巧思的行为分类系统。外形上看，其为正方体或不规则的立方体框架，可灵活组合。顶部均嵌有透明的触屏板，底部则设有红外线摄像机。

唐业忠介绍，顶部四周框架的槽内“藏”有红外灯条（波长>950nm），红外光从侧面注入在行为场的透明下界面。根据受抑全反射原理，小鼠脚掌或脚趾与界面（触屏板）接触即形成脚印图像，并被红外摄像头记录。“很灵敏，就算是1克左右的小蝾螈踩上去，都能识别到其脚印和尾巴。”

此外，系统可根据需要进行多面的围挡，形成密闭和无光的“黑箱”。“这是系统最大的一个好处，就是能在完全‘无光’的条件下进行使用。”唐业忠表示，小鼠是夜行动物，做行为监测最好是顺应其生活规律设置实验环境，可以更好地还原它的行为。“而且在无干扰的环境下，对动物进行行为刺激（特别是视觉刺激）并监测，得到的数据会更准确。”

看“脚板印” 被试小鼠平均行为识别率达83.09%

“老鼠的行为动作比较简单，基本上我们能够想象出来的动作，都会带动脚的变化。”唐业忠表示，红外相机记录下的脚印数量、方向、轨迹以及变化频率等，能够更直观地反应出老鼠的行为。

收集到小鼠脚印图像后，研究团队建立了小鼠行为数据集（IMBD），并使用支持向量机（SVM）对脚印进行分类。为了提高其性能，还提出了一种改进的粒子群算法对参数进行优化。在IMBD和SVM的基础上，研究团队还测试了不同的特征提取方法和分类器。

与其他常用的粒子群优化算法相比，该研究的系统性能表现出了更高的精度和效率，对个体行为的识别率高达94.37%。所有被试小鼠的平均行为识别率达到83.09%。

该系统可用于肌肉骨骼关节类疾病或神经系统类疾病的动物模型或相关药物研发，检测反应机理或检测药效等。尤其在老年退行性病变的早期，步态改变是病变最主要的外在表现，所以步态变化的识别尤为重要。

“而系统正是通过脚印的变化，更直接地监测行为的改变。”唐业忠表示，系统的2.0版本将升级触屏板——柔性压力传感阵列，不但可以采集到脚印的时空变化，还能记录下脚底与接触面的压强。“这样能够更精准地监测到左右脚触地失衡的程度。”

随着系统的不断升级完善，唐业忠也希望其能够产业化。“主要面向制药公司和科研单位，也可服务于生态检测。”

改装应用 让野外监测调查工作更省力

根据唐业忠关于小鼠行为分类系统的设计思路，中科院成都生物所研究员谢锋对系统进行了改装，并成功应用到野外对保护动物——大凉螈的生态学研究中。

“诸如大凉螈等两栖爬行类是冷血动物，没法触发红外相机。以前我们要了解它在栖息地的繁殖迁徙、种群数量，就在其繁殖迁徙路上挖个‘陷阱’，深30公分左右，等其掉入。每天都会派人定时去查看，作相应的记录后再放生。”而在最近的一个大凉螈繁殖季节中，谢锋及其团队就使用了这个改装版的行为分类系统进行监测。

“相当于把一个监测设备埋在了以前设‘陷阱’的地方，一旦有动物经过触屏板，底下的红外线摄像头就能记录下通过的时间、频率、脚印的数量等。”谢锋及团队根据这些信息就能判断动物种类、测定个体大小、分析活动规律等，数据更加丰富且较为准确，提高了工作效率。

同时，研究团队工作起来更加省力，免去了每天来回跑动，监测工作对动物日常生活也实现了“零”干扰。谢锋透露，目前该设备已经申请了专利，后台数据读取中还将引入AI识别功能，实现根据图像结构特征抓取相应数据，方便查找。