跳到正文

验证 ​

已验证的内容 ​

三个分析器被逐行移植到 Python,并在已知真值的模拟小鼠上运行(脚本在仓库的 Tools/validation/ 中)。

步态 ​

模拟小跑:20 cm/s、4 Hz、占空比 0.60、后肢支撑面宽度 3 cm、关键点噪声 1–2 像素:

指标真值RodentLimb
步幅5.00 cm5.00 cm
步频4.00 Hz4.00 Hz
占空比(100 fps)0.600.59
占空比(30 fps)0.600.70
后肢支撑面宽度3.0 cm2.98–3.00 cm
后肢步长25 像素25.6 像素
鼻尖侧向摆动0.133 BL0.129 BL
参考速度下的步幅(混合速度)50.0 像素50.2 像素
相位 LH→RH / LH→RF(小跑)0.5 / 00.49–0.52 / 0.00–0.01
步态模式(小跑)小跑28 个步幅中 26 个判为小跑
以 40 °/s 转向时的步幅排除保留 0 个

支撑相检测的默认设置(取前后两步中较小的位移;支撑相速度比 0.8)就是依据这些模拟选定的。30 fps 时占空比约有一帧的偏差,App 在低于 50 fps 时会提示。

悬尾 ​

模拟 6 分钟测试,随机交替挣扎与不动,不动时带呼吸运动,噪声 0.8 像素:不动时间 163.5 秒,真值 165.4 秒;潜伏期 5.7 秒,真值 5.6 秒;逐帧一致率 99.2%。

圆筒 ​

模拟仰视实验,脚本设定 9 次竖立(左先、右先、双爪):9 / 9 全部判对;在 3 像素噪声加 20% 爪检测丢失时同样如此。

模拟验证不能说明的 ​

模拟检验的是分析方法,而不是姿态模型在你的视频上的表现。在研究中使用结果前:

  1. 在“回放”中检查几段视频的叠加效果。
  2. 盲法人工评分一部分动物(例如 10%),对比不动时间、触壁次数和步态指标。
  3. 确定与人工评分最一致的参数,应用到所有记录,并在文中报告(方法描述导出中已包含)。
  4. 圆筒实验请复核触壁列表,修改会被保存并计数。

在方法部分报告一致性(例如相关系数或 Bland–Altman 图)。