报价列表0
您的产品列表为空!

动物
小鼠

步态分析仪

产品代码:48203
产品类别: 运动与协调

Ugo Basile 步态分析系统是一款新一代全自动台式设备,专为检测啮齿动物模型的步态变化而设计,具有卓越的易用性和接近100%的爪印识别准确率。

该系统基于专有的监督式人工智能算法(supervised A.I.),能够识别细微的运动变化以及与衰老或疼痛相关的步态改变,而这些变化往往会被传统工具忽略或需要大量人工校正才能发现。当前自动化步态分析的最大挑战在于:在无需人工干预的情况下,准确识别每一个爪印,并自动计算所有参数。

Ugo Basile 的方法并非基于传统的视频追踪对比,而是基于监督式人工智能,这正是实现几乎零误差爪印识别的关键。软件能够自动处理腹部接触、尾部干扰、不规则行走模式以及其他类型的伪影,同时提供单趾级分辨率,即使在复杂足迹中也能区分掌心中心点与各个脚趾。

每次跑动结束后,系统会自动更新分析数据,并将结果保存为CSV文件,可在Excel中直接打开。

大多数 Ugo Basile 产品可以添加延长保修。您可以在每个产品的订购信息部分找到此信息。

运动是一种复杂的行为,涉及肌肉骨骼系统、神经系统和感觉系统的整合,以产生协调的运动。因此,步态是疼痛和运动功能障碍的敏感标志物,广泛应用于神经退行性疾病、损伤、关节炎和慢性疼痛等模型的研究中(Clark et al., 2019; Sayed-Zahid et al., 2019)。

 

早期啮齿动物步态分析方法,例如在纸上留下脚印墨迹的方法,只能提供关于步长和足印位置的粗略信息。虽然这些方法仍可用于简单的评估,但它们缺乏检测细微或早期运动缺陷所需的分辨率和客观性。啮齿动物作为四足动物和被捕食动物,常常掩盖疼痛或损伤的迹象(Mogil,2015)。它们在四肢之间转移承重的能力(例如,通过前肢承重来补偿后肢损伤)会进一步掩盖在双足动物步态中本可检测到的缺陷(Saunders et al., 2017)。

 

为了克服这些挑战,自动化步态分析系统已成为神经科学、药理学和毒理学领域不可或缺的工具。这些工具能够在自然、非强制行走的情况下,提供高分辨率、多参数的评估,例如支撑时长、步幅变异性和肢体间协调性。

 

Ugo Basile 步态分析系统兼具人工智能的准确性与即插即用的简便性。配备预装了AI专用软件的电脑,开箱即用。

 

市面上的传统步态分析系统仍然存在明显的局限性。Ugo Basile 步态分析系统是一款新型的全自动台式设备,专为检测啮齿动物模型的步态变化而设计,具有无与伦比的易用性和准确性。对脚掌、脚趾以及其他相关身体部位(例如头部、动物重心、尾巴)的正确识别,让该系统能够确保分析结果的准确性。

 

该系统由专有人工智能算法驱动,能够识别传统工具可能遗漏或误判的细微步态变化。 由于无需进行人工爪印识别或逐帧校正分析结果,系统显著减少实验时间,同时大幅提升数据准确性与一致性。

 

与其他大小鼠通用系统相比,步道的长度和宽度是专为小鼠设计的,小鼠可以从一侧的透明箱体自由移动到另一边,并支持来回跑动。

 

当达到设定的可比跑动次数(例如速度相近)后,系统会自动计算所有参数并提示下一只动物。整个实验流程高度自动化,研究人员无需进行手动筛选或数据校正。

 

步道地面由高质量、耐刮擦且易清洁的玻璃制成。走廊侧面的绿色 LED 灯提供了受抑全内反射效应(fTIR),用于增强显示爪印的形状、接触面和压力,以及时间、空间等其他重要步态参数。

 

无论小鼠毛色如何,脚印都会呈现亮绿色(Hamers et al. 2001),并具有完全的灵活性,可用于步态的动态分析以及爪印压力的半定量评估(这在疼痛等研究领域中至关重要)。

 

两个滑动式笼盒分别放置在步道的两侧,每个笼盒都有独立的活动门。这些笼盒可以轻松安装或拆卸,从而顺畅、无应激地转移动物。

 

系统配备高帧率摄像系统,由软件全自动控制,同时执行背景去除(如粪便或其他干扰物)以及实时有效跑动识别。

 

结果直接以 Excel 格式保存在电脑上。

 

UB 步态分析系统是一个完整的即插即用套装,包括:

  • 紧凑的台式步态设备
  • 带铝制框架的透明走廊
  • 高帧率摄像系统
  • 反射镜模块
  • 双照明系统(绿色 LED + 红光)
  • 安装专用人工智能软件并配置完成的电脑
  • 为实验室人员提供的初始培训
  • 可选配针对复杂动物模型的额外软件培训

 

系统的紧凑设计和易用性使其适用于任何实验室桌面,即使在较小的空间中也能轻松使用。

特点

优势

通过AI软件实现准确的爪印和身体识别

与基于对比度的方法相比,具有更高的准确度和更快的识别速度。得益于定制化的AI训练,大幅节省实验时间。无需人工检查。

自动化步态分析

客观识别传统墨迹法或肉眼观察无法检测的步态特征。

极高的空间分辨率

能够区分单个脚趾及相关参数。

紧凑的台式系统 适用于常见实验室工作台,节省空间。
价格实惠 即使预算有限的实验室也能负担得起。
完整套装(电脑 + 设备 + 摄像机 + 预配置软件 + 培训) 无缝集成:用户可立即专注于实验,无需担心硬件和软件设置。
自动测试模式 自动化实验流程:研究人员设定跑动次数,系统自动选择有效的测试轮次。研究人员只需将小鼠放入步道,其余均由系统处理。

自动分析

避免了传统人工爪印检查所需的大量耗时工作,数分钟内即可完成分析与结果复核。

集成摄像机(GoPro Hero13 Black) 图像清晰、线性、同步,无鱼眼畸变。
摄像机位于正面 同时采集正面和腹面图像;不仅可分析爪印相关参数,还能获得更多额外参数。

主要分析指标

空间参数时间参数混合参数
归一化足印强度 *
通过使用动物体重和速度对足迹亮度进行归一化处理而获得的参数

平均强度
足印的平均亮度

足印面积
足印的面积

足印最大宽度
足印的最大宽度

足印最大长度
足印的最大长度

步幅
脚掌完成一步完整的行走经过的距离

路径效率
衡量路径的直线性,1为最佳值

足趾延展度 *
最外侧两根脚趾间距

中趾延展度 *
内侧两根脚趾间距

足夹角 *
脚掌纵轴与身体轴线之间的夹角

左前-右前足印高度
左前足和右前足之间的垂直距离

左前-右前足印宽度
左前足和右前足之间的横向距离

左前-右前足印长度
左前足和右前足之间的纵向距离

左前-左后足印高度
左前足和左后足之间的垂直距离

左前-左后足印宽度
左前足和左后足之间的横向距离

左前-左后足印长度
左前足和左后足之间的纵向距离

左前-右后足印高度
左前足和右后足之间的垂直距离

左前-右后足印宽度
左前足和右后足之间的横向距离

左前-右后足印长度
左前足和右后足之间的纵向距离

右前-左后足印高度
右前足和左后足之间的垂直距离

右前-左后足印宽度
右前足和左后足之间的横向距离

右前-左后足印长度
右前足和左后足之间的纵向距离

右前-右后足印高度
右前足和右后足之间的垂直距离

右前-右后足印宽度
右前足和右后足之间的横向距离

右前-右后足印长度
右前足和右后足之间的纵向距离

左后-右后足印高度
左后足和右后足之间的垂直距离

左后-右后足印宽度
左后足和右后足之间的横向距离

左后-右后足印长度
左后足和右后足之间的纵向距离

坐骨神经功能指数 *
一种用于临床前研究中评估运动功能和神经再生的定量步态分析指标

身体面积中位数
身体面积的中位数

身体宽度中位数
身体轮廓矩形的宽度的中位数

身体长度中位数
身体轮廓矩形的长度的中位数

尾部面积中位数
尾部面积的中位数

尾部宽度中位数
尾部轮廓矩形的宽度的中位数

尾部长度中位数
尾部轮廓矩形的长度的中位数
步数
站立时脚掌接触地面的次数

支撑相时间
脚掌接触地面(支撑相)的时间

制动时间
脚掌制动减速的时间

推进时间
脚掌推进加速离地的时间

步态周期
脚掌完成一步完整的行走的时间

支撑相占比
支撑相在步态周期中的占比

跨步时间
脚掌完成一次跨步的时间

首次触地
脚掌首次接触地面的时间

步频
脚掌每秒步数

最大速度差异
移动过程中速度差异的最大值

左前-右前足印强度互相关分数
左前足和右前足的足印强度在同一时刻(lag 0)的归一化互相关,范围[-1, 1]

左前-左后足印强度互相关分数
左前足和左后足的足印强度在同一时刻(lag 0)的归一化互相关,范围[-1, 1]

左前-右后足印强度互相关分数
左前足和右后足的足印强度在同一时刻(lag 0)的归一化互相关,范围[-1, 1]

右前-左后足印强度互相关分数
右前足和左后足的足印强度在同一时刻(lag 0)的归一化互相关,范围[-1, 1]

右前-右后足印强度互相关分数
右前足和右后足的足印强度在同一时刻(lag 0)的归一化互相关,范围[-1, 1]

左后-右后足印强度互相关分数
左后足和右后足的足印强度在同一时刻(lag 0)的归一化互相关,范围[-1, 1]
速度
动物整体移动速度

身体朝向角度
动物身体朝向的角度

平均尾部偏侧性
尾巴运动的平均方向偏好

尾部灵活性
尾部灵活程度

* 即将推出

一般信息

 

物理规格

底座尺寸 69(w) x 56,5(d) cm (不包括电脑和24英寸显示器)
总尺寸(安装好步道和两侧笼盒) 94(w) x 56,5(d) x 45(h) cm

步道内尺寸

66,5(w) x 5,5(d) x 12,5(h)cm 

两侧笼盒内尺寸

12(w) x 8(d) x 12,5(h) cm

步态分析是一项应用范围极广的技术。最常用于神经退行性疾病(如帕金森病、阿尔茨海默病、亨廷顿病和肌萎缩侧索硬化症等)以及疼痛炎症研究,此外还包括复杂的纵向研究,例如衰老研究(Sashindranath et al., 2015; Zhao et al., 2021; Baldwin, 2016)。

 

常见的应用案例是通过动态步态参数(如步长、摆动相和支撑相、爪印位置变异性以及肢体间协调性等)的变化来评估疾病进展或治疗效果。例如,在帕金森病、运动功能障碍以及关节炎模型中,普遍存在步长缩短和支撑时长增加等现象;在单侧脊髓或周围神经损伤中,不对称的爪印压力等参数是重要的提示(Hamers et al., 2006; Kappos et al., 2017)。

 

步态分析还可用于纵向研究,能够在明显症状出现之前检测到早期的运动变化,在衰老模型、镇痛或神经保护药物的药效评估中具有重要价值。

 

此外,Ugo Basile 系统具有独特双角度拍摄功能,能够同时采集腹面和侧面的图像,从而可以直接测量更丰富的参数,而不像其他只使用腹面图像的系统那样,只能推导或计算得出部分参数。

Gait Analysis (What's in the box)

48203

小鼠步态分析系统。基于人工智能,包含电脑和GoPro相机。

返回