AI驱动的非人灵长类三维行为表型分析：从视频采集到定量行为数据

在非人灵长类（Non-Human Primate, NHP）临床前研究中，行为学评价用于观察动物的功能状态、疾病表型以及药物干预后的变化。中枢神经系统（CNS）、疼痛及神经退行性疾病研究尤其依赖这类信息：运动、姿势、步态和自发行为的改变，往往先于其他指标出现，也可作为药效判断的功能性依据。

传统做法依赖人工观察、视频回放和经验性评分。研究涉及细微运动变化、复杂行为模式或较长时间的连续观察时，观察者差异、采样频率和行为定义都会影响结果，视频里记录的信息难以被充分提取。计算机视觉与人工智能（AI）的发展提供了另一条路径：多视角视频采集、无标记三维姿态估计和自动化行为识别，把传统视频观察转成结构化的三维运动数据，为临床前药理研究补充定量的行为学评价维度。

本文介绍 AI 驱动的三维行为表型分析（AI-Powered 3D Behavioral Phenotyping）的基本原理、主要分析维度，以及它在非人灵长类临床前药物研发中的应用价值。

什么是AI驱动的三维行为表型分析？

AI 驱动的三维行为表型分析结合多视角视频采集、深度学习姿态估计和三维运动重建。与依赖人工观察或外部标记物的运动捕捉方式相比，算法直接从视频图像中识别动物的关键解剖位置，再依据多台摄像机采集的同步图像重建动物在三维空间中的姿态和运动轨迹。

整个采集过程中，动物无需佩戴反光标记点或额外的运动传感器。研究人员在预先设计的采集环境中记录自然活动，后续分析提取身体姿态、肢体运动和特定行为事件。对非人灵长类研究来说，这套方法除了回答动物是否发生了某种行为，还能给出行为发生时的身体姿态、运动方向、持续时间和动态变化，把视频中的表现转成可统计的定量数据。

传统行为学评价面临哪些局限？

行为学评价一直是临床前药理研究的重要组成，不同技术路径在数据采集和分析上各有短板。传统方法由经过培训的研究人员或兽医观察动物行为，按预先定义的行为学量表记录并评分，灵活性较强，适用于多种动物模型和研究场景。

人工观察与行为评分

局限来自观察者经验、行为定义和观察时间安排。发生时间短、频率低或动作细微的行为容易被漏记，不同观察者之间也存在评分差异。

传统二维视频分析

二维视频分析减少了部分现场观察工作，支持研究人员通过回放进行行为识别。单一摄像机视角难以完整呈现动物的空间运动状态：动物转身、攀爬，或肢体被身体其他部位遮挡时，二维图像无法准确反映实际的三维运动轨迹。摄像机视角和透视关系还会影响对运动距离及位置的判断。

基于标记物的运动捕捉

基于标记物的运动捕捉能提供较详细的运动学信息，代价是需要在动物身体特定位置安装反光标记点或其他外部传感装置。非人灵长类行为复杂，实验环境和动物状态都会影响标记物的稳定性；外部标记还可能干扰自然运动，使其在长期观察或复杂行为研究中应用受限。

对于需要分析复杂身体姿态、肢体协调和自然行为模式的 NHP 研究，数据采集与分析方式需要更灵活的选择。

无标记三维行为分析如何实现？

AI 驱动的无标记三维行为分析通常包含三个环节：多视角视频采集、三维姿态估计和行为特征分析。

1. 多视角同步视频采集

摄像机布置在不同角度，对动物活动进行同步视频记录。在 Prisys 的相关应用场景中，采集环境采用四台同步摄像机，从多个角度记录动物在实验环境中的活动。动物可以在预设环境中自由移动、探索、拾取物体或攀爬。多视角同步采集提供互补的图像信息，减少单一视角下的身体遮挡，为三维重建提供数据基础。

2. 无标记三维姿态估计

获得视频数据后，深度学习姿态估计算法识别动物身体的关键解剖位置，并在不同摄像机视角之间进行匹配。整合多个视角的信息后，分析流程重建动物的三维骨架及其随时间变化的姿态。三维姿态估计除了关注动物在图像中的位置变化，还描述身体不同部位在三维空间中的相对位置和运动关系。

3. 运动特征提取与行为识别

在三维姿态重建的基础上，进一步提取运动学特征和行为相关信息，例如肢体运动轨迹、身体姿态变化、关节运动、运动速度，以及不同身体部位之间的协调关系。结合预先定义的行为特征和识别规则，分析流程对特定行为进行识别和分段，把连续视频转成结构化的行为数据。

AI三维行为分析可以提供哪些数据？

从临床前研究应用的角度看，三维行为分析覆盖多个层面的运动和行为特征，不止于活动量监测。

整体运动学分析（Motion Kinematics）

追踪动物整体运动状态，可以提取运动速度、加速度和运动轨迹等参数，用于描述活动水平和运动动态。这些指标反映动物在不同实验条件下的整体活动变化，可作为疾病模型功能表型评价的参考。

肢**置与步态追踪（Limb Position and Gait Tracking）

持续追踪四肢或特定肢体的位置变化，可以分析肢体运动轨迹、步态特征和运动协调关系。这类数据在帕金森病、脑损伤及其他运动功能障碍相关研究中具有潜在应用价值，可用于描述不同肢体的运动表现及其变化。

三维姿态估计（3D Pose Estimation）

三维姿态估计描述动物身体在空间中的位置、姿势及关节运动关系。攀爬、站立、悬挂和复杂肢体动作等行为的分析，依赖三维姿态信息判断不同身体部位之间的运动关系，这比整体活动水平更接近运动的实际组织方式。

自动化行为识别与分段（Automated Behavioral Segmentation）

对连续视频进行分析，可以根据预先定义的行为特征识别和划分行为片段，例如抓挠、梳理、行走及其他特定自发行为。自动化识别减少了逐帧回看和记录的工作量，也为行为频率、持续时间、时间分布等指标的统计分析提供支持。不同行为的识别效果取决于行为定义、视频质量、采集环境和分析模型的适用性，具体研究中应针对目标行为进行验证。

AI三维行为表型分析在非人灵长类研究中的应用

非人灵长类的运动和行为模式较为复杂，定量行为分析在多个临床前研究领域有应用潜力。

CNS及神经退行性疾病研究

帕金森病、脑缺血、脑出血及其他中枢神经系统疾病模型中，运动功能变化是重要的疾病表型。三维行为分析可以从步态、姿势、肢体协调、运动速度和自发活动等维度描述动物的功能状态，作为疾病模型评价及候选药物药效研究的补充性终点。

疼痛与瘙痒研究

疼痛和瘙痒状态会引起特定的行为变化，例如抓挠、保护性动作和活动模式改变。AI 辅助分析能对部分特定行为进行识别和量化。在 NHP 瘙痒模型（食蟹猴）中，可以分析抓挠行为的频率、持续时间和运动特征，为抗瘙痒药物的药效评价提供定量的行为学数据。

步态与运动协调研究

步态和肢体协调是运动功能评价的重要维度。无标记三维追踪可以分析动物行走过程中的肢体轨迹、关节运动以及不同肢体之间的协调关系。与单纯记录活动距离相比，这类分析给出的运动学信息更细致，为运动功能障碍相关研究提供了新的评价角度。

纵向行为表型研究

涉及重复给药或长期观察的临床前研究，通常需要比较动物在不同时间点的行为表现。建立相对标准化的视频采集方案，再对不同时间点的数据分别分析，可以观察运动和行为模式的变化趋势，为评价疾病进展及药物干预后的功能变化提供支持。

Prisys浦灵生物如何将AI行为分析应用于NHP临床前研究？

在非人灵长类临床前研究中，行为数据的价值取决于动物模型、实验设计和视频采集方案是否合理，分析技术只是其中一环。Prisys 把 AI 辅助三维行为分析作为 NHP 药理研究中的一项行为学评价手段：具体研究中，Prisys 负责非人灵长类实验设计、动物模型实施、体内实验操作、行为视频采集方案设计及视频数据获取，并根据研究目标确定需要关注的行为学指标；采集到的视频交由专业的计算机视觉与三维行为分析技术处理，完成姿态重建、运动特征提取和目标行为识别，形成相应的定量行为学数据。

对于具体项目，行为分析结果可以与其他研究数据结合：

• 药效学评价（Pharmacodynamics）： 比较给药前后行为学指标的变化，辅助评价候选药物的功能性药效表现。
• 影像学研究（Imaging）： 将行为学数据与 MRI、PET 等影像学结果结合，从不同层面观察疾病表型及干预后的变化。
• 病理与生物标志物： 结合组织病理学及相关分子指标，进一步分析行为变化与疾病机制之间的关系。
• 其他功能性评价： 根据研究目的，结合运动功能、神经生理及其他药理学终点开展综合分析。

把行为学评价纳入整体 NHP 临床前研究设计，研究人员可以从功能表现、影像学和生物学指标几个维度理解候选药物的作用效果。

方法学考虑：如何保证行为数据具有研究价值？

AI 行为分析不会自动把任何视频变成可靠的研究结论。数据质量和分析结果的适用性，取决于实验设计及方法学验证。

视频采集条件需要合理设计。摄像机位置、拍摄角度、同步方式、照明条件和动物活动范围，都会影响后续的姿态估计和运动特征提取。复杂动作或身体遮挡较多的场景中，部分解剖位置可能无法被持续、准确地识别。

目标行为需要针对具体研究目的定义。抓挠与梳理在部分动作表现上相似，区分时需要结合肢体运动轨迹、身体姿态及目标身体区域等信息。

AI 识别结果应与人工审核的参考数据比对。不同行为类型、摄像机布局和实验条件下，模型的适用性需要分别评估，整体追踪效果好并不代表所有行为具有相同的识别表现。临床前药理研究中，最终的行为学终点还要与研究假设和药效评价目标相匹配，并结合动物整体状态及其他实验指标进行解释。

结语：从行为观察走向定量化功能表型评价

AI 驱动的无标记三维行为表型分析，为非人灵长类临床前研究提供了新的数据采集和分析方式。多视角视频采集、三维姿态估计、运动学特征提取和自动化行为识别组合起来，把行为观察拓展到对运动轨迹、身体姿态、肢体协调和特定行为事件的定量分析。

CNS、疼痛、瘙痒及运动功能障碍等研究领域，可以由此获得更丰富的功能性数据，用于疾病表型描述和候选药物药效评价。在 Prisys 的 NHP 转化研究平台中，AI 辅助三维行为分析与非人灵长类疾病模型、体内药理研究及其他功能性评价手段结合，为临床前研究提供多维度的数据支持。

本文为 Prisys 非人灵长类 AI 三维行为表型分析系列文章的技术概述。 后续文章将介绍具体应用案例，包括食蟹猴抓挠行为自动识别、双侧运动协调分析、无标记三维步态分析，以及纵向行为表型评价。

常见问题（FAQ）

什么是AI驱动的三维行为表型分析？

AI 驱动的三维行为表型分析是一种结合多视角视频采集、深度学习姿态估计和三维运动重建的技术方法。它能够从视频中识别动物身体的关键位置，并对运动轨迹、姿态变化和特定行为进行定量分析。

无标记三维行为分析与传统视频分析有什么区别？

传统二维视频分析主要依赖图像中的位置和活动变化，无标记三维行为分析则通过多个同步摄像机获取不同角度的信息，重建动物的三维姿态和运动轨迹，从而支持对肢体运动、身体姿态和复杂行为的进一步分析。

AI行为分析可以识别哪些非人灵长类行为？

根据研究目标和分析模型的配置，可以开展运动、步态、攀爬、站立、悬挂、梳理和抓挠等行为的识别与量化。具体可识别的行为类型及分析效果，需要结合实际视频采集条件和目标行为进行评估。

AI行为分析如何用于CNS药物研发？

在帕金森病、脑缺血及其他神经系统疾病研究中，AI 行为分析可以辅助量化步态、姿势、运动协调和自发活动等功能性指标，并与药效学、影像学及其他生物学数据结合，用于综合评价候选药物的作用效果。

AI行为分析能否完全替代人工行为评分？

不能简单地将其视为人工评分的完全替代。AI 辅助分析能够减少部分人工视频回看和重复记录工作，但目标行为的定义、识别结果的验证及最终的研究解释仍需要研究人员参与。

Prisys浦灵生物如何开展非人灵长类AI行为学分析研究？

Prisys 浦灵生物负责 NHP 研究设计、动物模型实施、体内实验操作、行为视频采集方案设计及视频获取，并结合专业的计算机视觉和三维行为分析技术，对视频数据进行处理和定量分析。具体行为学终点根据项目研究目标确定。

推荐阅读

• 3D 行为分析：从视频到可统计的行为输出
• BehaviorAtlas：三维行为图谱的构建与应用场景
• 帕金森动物模型：运动功能障碍的造模与评价
• AI 无标记行为分析：平台能力与服务内容

联系我们

• 咨询热线： 021-5043 5616
• 业务邮箱： bd@prisysbiotech.com
• 官方网站： https://www.prisysbiotech.com/
• 公司地址： 上海市奉贤区金海公路6055号35幢8楼
• 扫码联系： 左侧扫码关注浦灵生物官方公众号，右侧扫码添加 BD 微信。