清华大学，最新Nature Methods！

本文由清华大学联合复旦大学研究团队在《Nature Methods》发表，提出了一种名为UDMT的无监督深度迁移学习方法，用于多动物追踪。背景方面，传统监督学习依赖耗时的人工标注，而现有半自动方法在复杂场景下可靠性不足，且身份互换和误差累积问题严重。研究目的是开发一种无需训练标注即可实现高精度多动物追踪的方法。方法通过协同双向闭环追踪策略、时空变换器网络以及定位精化、双向身份校正和自动参数调优三个模块，在拥挤、遮挡、快速运动等挑战性条件下实现精准追踪。结论方面，UDMT在五种模式动物（小鼠、大鼠、果蝇、秀丽隐杆线虫、斗鱼）上验证了通用性，将身份互换错误降低13倍，在追踪10只小鼠时准确率达71.87%。结合微型显微镜，该方法揭示了运动与神经活动的相关性。代码和图形界面已公开。