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

背景：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。然而，现有追踪方法依赖昂贵且主观的人工标注进行监督训练，难以适用不同动物和复杂场景。研究目的：开发一种无需人工标注即可精准追踪多种模式动物的方法。方法：清华大学戴琼海/吴嘉敏/李欣阳研究团队联合复旦大学李子薇团队在《自然·方法》上发表研究，提出基于无监督迁移学习的多动物追踪方法UDMT。该方法利用双向一致性追踪原理，从视频自身时间连续性中构建训练信号，无需标注即可自动学习动物特征和运动规律，并通过时空信息聚合、目标定位优化等关键技术提升精度。结论：UDMT在黑色/白色小鼠、大鼠-小鼠共处、果蝇、线虫、斗鱼等多种场景中实现了高精度追踪，性能超越DeepLabCut、SLEAP等监督方法。结合头戴式显微镜，UDMT揭示了同伴靠近时神经元活动增强的行为-神经关联。该方法消除了人工标注负担，推动多动物追踪进入无监督、自动化新阶段。