Nat Methods | 无需人工标注的精准多动物追踪，戴琼海团队提出新方法推动行为学研究迈向新阶段

背景：精准高效的多动物追踪对于理解社交互动、神经机制和行为决策至关重要，但现有方法严重依赖昂贵且低效的人工标注，难以适应不同物种和复杂场景。研究目的：清华大学戴琼海团队联合复旦大学团队，旨在开发一种无需人工标注即可实现精准多动物追踪的方法。结论：该研究在Nature Methods上发表，提出了名为UDMT的无监督迁移学习方法。该方法基于双向一致性追踪原理，利用视频的时间连续性自动学习动物特征，无需任何标注。UDMT在拥挤、遮挡、低对比度、跨物种等复杂条件下，其精度超越了DeepLabCut、SLEAP等现有监督方法。研究还将UDMT与微型显微镜结合，揭示了小鼠社交靠近时神经元活动增强的神经行为学关联。该方法已成功应用于果蝇、线虫和斗鱼等多种模式动物，并开源了代码和教程，标志着多动物追踪迈入无监督、高效率、自动化的新阶段。