neuroinformatics-unit/movement

它解决了什么问题

像 DeepLabCut 和 SLEAP 这样的深度学习工具可以高精度地追踪视频中的动物运动，但没有标准化的方法来处理生成的轨迹。研究人员通常需要先清理、可视化和量化这些轨迹，然后才能在研究中使用它们。movement 通过提供一致、模块化的接口来分析不同工具和文件格式的运动轨迹，填补了这一空白。

它是如何工作的

movement 提供了一组 Python 函数和数据结构，旨在加载、清理、可视化和量化动物运动轨迹。它旨在支持流行的追踪框架和文件格式，因此用户可以使用来自 DeepLabCut、SLEAP 等的数据，而无需重写分析流程。该工具箱还与 napari 查看器集成，为用户提供交互式图形界面，用于探索和检查其追踪数据。

它面向谁

该工具箱面向在神经科学、生物力学、保护生物学和行为学等领域使用基于深度学习的运动追踪的研究人员和科学家。它适用于任何需要在追踪后以可靠且标准化的方式处理动物位置数据的人，无论他们最初使用哪种追踪工具。

亮点

• 提供统一接口，用于处理来自多个追踪框架的运动轨迹
• 包括数据清理、可视化和运动量化的工具
• 支持 DeepLabCut 和 SLEAP 使用的流行文件格式
• 通过 napari 提供图形用户界面，用于交互式数据探索
• 设计为开源、社区驱动的项目，由神经信息学单元贡献