大小鼠步态精细行为分析系统是通过AI赋能深度学习神经网络算法，结合云计算技术，能够快速追踪并分析动物的目标行为；用于评估大小鼠步态和运动行为的设备，广泛应用于髓损伤和其他神经损伤、神经性疼痛、关节炎、中风，帕金森氏症、小脑性共济失调、脑外伤、周围神经损伤等领域。
一、测试方法
实验准备
动物选择：推荐C57BL/6J小鼠（12-14周龄），每组≥8只，雌雄分笼饲养。
适应性训练：测试前2天将动物移入实验环境，每天自由探索30分钟，熟悉光线、噪音及气味。
设备调试
步行台清洁：用10%酒精擦拭透明玻璃台面，避免气味残留干扰。
光源校准：固定绿色LED侧向光源，确保足印成像对比度均匀。
相机📷️设置：调整分辨率（≥1280×1024）、帧率（≥100 fps）、曝光时间，优化足印捕捉清晰度。
数据采集
诱导行走：将家笼置于步行台末端作为激励目标，动物从远端自然走向家笼。
次数：每只动物需完成≥3次有行走，排除跳跃或停顿片段。
视频剪辑：删除排泄物干扰或非直线行走片段，保留步态序列。
数据分析
关键参数：
时空参数：步长、步频、支撑相/摆动相比值。
压力分布：制动指数、推进指数、足印强度。
神经功能指数：足趾开口距（Toe Spread），计算SFI/TFI/PFI。
二、注意事项
环境控制
维持温度22-25℃、湿度40-60%、噪音<50 dB，避免应激行为。
关闭强光源直射，采用漫反射照明减少动物眩光。
数据采集要点
同步性验证：确保摄像与足压感应时间戳对齐。
爪印校正：软件初筛后需人工核对误判的足印类别（前/后肢、左/右侧）。
模型特异性调整
神经类痛觉模型：关注患肢摆动时长缩短及避痛步态。
脊髓损伤模型：分析后肢拖曳步序与支撑距离异常。
动物福利
单次测试时间≤10分钟，避免过度疲劳。
抓取动物时动作轻柔，减少挣扎。
三、前沿技术拓展
3D步态重建：结合多角度生成运动轨迹模型。
AI行为预测：通过机器学习识别步序模式与病症进展关联性。
