在临床前研究中，非人灵长类（NHP）的行为观察为神经科学研究和药物开发提供重要数据。传统行为追踪方法通常需要在动物身体上安装物理标记。

这些标记可能影响动物的自然行为，并可能引起应激反应，从而改变运动模式。由浦灵生物（Prisys Biotechnologies）开发的 AI驱动行为分析系统（NBAS），也称为 BehaviorAtlas。

该系统通过无标记追踪、多视角同步采集和深度学习算法，实现对灵长类行为的自动化记录和分析。

非人灵长类行为观测中的无标记技术

NBAS采用无标记技术获取非人灵长类动物的三维姿态数据。系统无需在动物身体上安装物理标记，从而减少动物的不适，并降低实验过程的侵入性。

研究人员可以在不干扰动物自然活动的情况下观察其行为。这种方法有助于保持行为的真实性，并提高行为数据的可靠性。同时，该技术也符合动物实验伦理要求。

多视角同步采集运动数据

NBAS通过多摄像机系统记录动物行为。系统通常使用四台或更多高速摄像机进行三维数据采集。摄像机布置在不同角度，并保持同步拍摄。

系统对所有摄像机的空间坐标参数和时间进行同步校准。这种方式可以减少遮挡和视角偏差，并实现三维空间中的运动重建。

系统可以以毫米级精度追踪动物运动数据，确保捕捉到最细微的动作变化。

基于人工智能的自然健康行为分析系统（NBAS）

深度学习与三维骨架重建

NBAS利用深度学习算法处理同步采集的视频数据。系统可以识别动物轮廓、身体姿态和关节位置，并在不同光照条件下保持稳定识别能力。

软件会重建动物的三维骨架模型。系统可追踪超过 21 个关键身体点，并记录其在运动过程中的空间位置。

通过深度学习技术，NBAS 实现了从原始视频到高维度运动数据的自动化转化。

系统随后自动分析行为序列。连续动作被划分为不同的行为片段，并以秒级时间分辨率估计行为状态。

这种自动分析方式显著减少了人工处理工作，并有效降低了人为观察误差。

在神经科学研究与药物开发中的应用

NBAS能够提供客观的行为评估数据，适用于神经科学研究。该系统可用于分析多种神经疾病模型中的行为模式，例如：

• 帕金森病模型
• 疼痛模型
• 大脑缺血性卒中模型（MCAO）
• 癫痫模型

系统也可用于药物研发研究。研究人员可以通过分析关节运动和整体行为模式，评估药物干预对非人灵长类行为的影响。

这些定量数据可为临床前研究提供客观证据，并为后续临床试验设计提供参考。通过该系统，浦灵生物为转化医学研究提供自动化的分析工具。

了解更多：AI-based NHP Behavior Analysis System Study - Monkey AI-based NHP Behavior Analysis System