跳到正文

快速上手 ​

下面用一段旷场视频走完一次完整分析,再做组间比较。除了完整分析本身需要的时间,大约五分钟。其他实验范式的流程完全一样,区别只在场地和设置。

拍摄之前

追踪效果在拍摄时就已经决定了。如果还没开始录像,请先读怎样拍出好追踪的视频:相机在正上方,场地尽量占满画面,光照均匀,动物和地面对比明显。

1. 选择实验范式和视频 ​

  1. 打开 RodentFlow,默认在 实验 标签页。
  2. 在 新实验 卡片里点实验范式那一行,选择 旷场 / 中央区。
  3. 点 从照片中选择视频分析。如果视频在“文件”App、iCloud 云盘或 U 盘里,点 从“文件”中选择视频。

App 读取视频信息后进入 设置 页面。顶部的步骤条是 开始 → 设置 → 预览 → 结果,已经可以到达的步骤都可以点击,前后跳转。

2. 填写设置 ​

设置页是一个可滚动的页面,顶部的分区菜单可以跳到各个卡片。

卡片本例中填写
实验信息小鼠编号(如 WT01)、组别(如 WT)、性别。如果视频文件里有拍摄日期,实验日期会自动取自视频。
实验范式与场地场地形状选 矩形;宽度 和 高度 填场地底面内侧的尺寸(cm),如 40 × 40。
分析设置保持默认。中央区边长为场地边长的 50 %。这里的所有设置以后都能改。
10 秒预览起点保持不动,或挪到动物在走动的一段。
校准把手柄 1 → 2 → 3 → 4 沿场地一圈,依次拖到底面的四个内角上。

各种场地的校准手柄

校准手柄。矩形校准做了透视校正,即使相机略有倾斜,四个手柄也直接放在真实的四个角上。

点底部栏的 生成预览 ›。

3. 检查预览 ​

App 追踪 10 秒,并把追踪点叠加在视频上回放。屏幕上的那个问题就是最关键的:圆点是否始终跟随小鼠?

  • 如果是,并且场地轮廓和底面边界吻合,就继续。
  • 如果圆点跳到阴影、反光或墙上,用 ‹ 设置 返回,修正校准或换一段预览,然后点 更新预览。常见原因见常见问题与排错。

4. 分析完整视频 ​

点 分析完整视频。App 从头到尾以每秒 10 个样本读完整段录像,进度条显示已处理的样本数和预计剩余时间。

  • 暂停并保存 会停下来,保留已经分析的部分。切换到其他 App 时会自动暂停并保存。
  • 分析过程中大约每 30 秒保存一次检查点。如果 App 被关闭,开始页会出现 发现未完成的分析 → 继续分析。

分析完成后,结果自动保存,原始追踪文件写入 文件 › 我的 iPhone › RodentFlow › Experiments 下的运行文件夹。

5. 查看结果 ​

点 打开结果,可以看到:

  • 指标卡片:总距离、中央区时间和进入次数、进入中央区潜伏期、不动时间、运动时间;
  • 场地图,可在 轨迹 和 热图 之间切换;
  • 分时间段的序列,如每 5 分钟的距离;
  • 方法:说明每个数值的计算方法和所用参数;
  • 分析设置:修改中央区大小、运动阈值等。指标根据已保存的位置立即重算,不会重新追踪视频。

6. 分析下一只动物 ​

点 下一只动物。实验范式、组别、阶段和天数会保留,接着选下一段视频。如果相机没有动过,在设置页点 使用上次设置,沿用场地尺寸、校准和分析设置。确认手柄仍在四个角上,再像前面一样生成预览。

7. 组间比较 ​

每组都有几只动物的结果后,打开 组间分析 标签页,或在某条结果上点 在组间分析中比较。

  1. 实验范式:旷场 / 中央区。
  2. 分析:设计选组间比较,测量指标选总距离(或其他指标)。
  3. 组别:调整顺序,把对照组放在第一位。点颜色圆点可以换颜色。
  4. 图表:柱状、箱线或均值 ± SEM,每只动物显示为一个点。
  5. 统计:使用了哪种检验、为什么,各组描述统计和两两比较结果。

可以把图导出为 PNG、统计结果导出为 JSON,或者复制一段文字摘要贴到实验记录里。

不用视频也能试 ​

下面这些示例表格是专门用来试用导入功能和组间分析的模拟数据。下载到 iPhone,在新实验卡片中选好对应的实验范式,再点 导入表格。

文件选择的实验范式演示内容
example_open_field_metrics.csv旷场 / 中央区三组 → 方差分析 + Tukey–Kramer
example_open_field_chinese_headers.csv旷场 / 中央区同样的数据,列名为中文
example_nor_test.csv新物体识别人工打分的时间 → 辨别指数;其中一只因探索不足被标记
example_mwm_acquisition.csvMorris 水迷宫每天 4 个试次 × 5 天 → 学习曲线和混合方差分析
example_beam_trials.csv平衡木每天多个试次
example_sucrose_raw.csv糖水偏好每天的瓶重原始数据 → App 计算偏好
example_bandit_trials.csv双臂老虎机任务每只小鼠 300 个试次 → 赢-留、输-换和 Q-learning 拟合