戴琼海院士团队：无需人工标注的精准多动物追踪 | Nature Methods

动物追踪是理解社交互动、神经机制和行为决策的重要手段，但现有方法依赖人工标注，成本高且难以覆盖多种动物。针对这一关键问题，清华大学戴琼海联合复旦大学团队在Nature Methods上发表论文，提出一种无监督迁移学习方法UDMT，无需任何人工标注即可从原始视频中自动完成追踪模型训练。该方法基于双向一致性追踪原理，通过正向和反向轨迹重合构建训练信号，并结合时空信息聚合、目标定位优化、身份误差校正等关键技术，显著提升复杂场景下的追踪精度。实际使用时，用户仅需指定追踪个体，UDMT即可自动完成训练和追踪。在拥挤、遮挡、低对比度、跨物种等复杂条件下，UDMT表现出超越现有监督方法的性能，并已成功应用于小鼠、果蝇、线虫和斗鱼等多种模式动物，最高可追踪17只动物。此外，UDMT与头戴式显微镜结合，可同时记录神经活动与行为轨迹，发现同伴靠近和运动速度增加时神经元发放率显著上升。研究团队已公开源代码和教程，助力更广泛应用。