Une analyse comportementale peut fournir de nombreuses informations sur la santé ou les motivations d’un être vivant. Une nouvelle technologie développée à l’EPFL permet à un modèle unique d’apprentissage profond de détecter les mouvements d’animaux dans de nombreuses espèces et environnements. Ce « modèle de base », appelé SuperAnimal, peut être utilisé pour la recherche sur le bien-être animal, la biomédecine et les neurosciences.

Même s’il existe un dicton « directement sorti de la bouche du cheval », il est impossible de faire en sorte qu’un cheval vous dise s’il souffre ou s’il éprouve du plaisir. Mais son corps exprimera la réponse dans ses mouvements. Pour un œil exercé, la douleur se manifeste par un changement de démarche ou, dans le cas de la joie, les expressions faciales de l’animal peuvent changer. Et si nous pouvions automatiser cela grâce à l’IA ? Et qu’en est-il des modèles d’IA pour les vaches, les chiens, les chats ou encore les souris ? L’automatisation du comportement animal élimine non seulement les biais des observateurs, mais permet également aux humains d’arriver plus efficacement à la bonne réponse.

Aujourd’hui s’ouvre un nouveau chapitre dans l’analyse posturale pour le phénotypage comportemental. Le laboratoire de Mackenzie Mathis à l’EPFL en publie un Communication naturelle Article décrivant un nouvel outil open source particulièrement efficace qui ne nécessite pas d’annotations humaines pour que le modèle puisse suivre les animaux. Baptisé SuperAnimal, il est capable de détecter automatiquement l’emplacement des « points clés » (généralement des articulations) chez toute une gamme d’animaux – plus de 45 espèces – et même des animaux mythiques, sans surveillance humaine !

“Le pipeline actuel permet aux utilisateurs de personnaliser les modèles d’apprentissage en profondeur, mais cela repose ensuite sur l’effort humain pour identifier les points clés de chaque animal afin de créer un ensemble d’entraînement”, explique Mackenzie Mathis. « Cela conduit à une duplication des efforts d’étiquetage entre les chercheurs et peut entraîner des étiquettes sémantiques différentes pour les mêmes points clés, ce qui rend très difficile la fusion des données pour former des modèles de base à grande échelle. Notre nouvelle méthode propose une nouvelle approche pour standardiser ce processus et former de grands ensembles de données. « Elle rend également l’étiquetage 10 à 100 fois plus efficace que les outils actuels. »

La « Méthode SuperAnimal » est une évolution d’une technique d’estimation de pose que le laboratoire de Mackenzie Mathis avait déjà commercialisée sous le nom de « DeepLabCut™️ ». Pour plus d’informations sur cet outil révolutionnaire et ses origines, consultez cette nouvelle fonctionnalité technologique Nature.

Ici, nous avons développé un algorithme capable de compiler un large ensemble d’annotations dans des bases de données et d’entraîner le modèle à apprendre un langage harmonisé – nous appelons cela la pré-formation le modèle fondamental. Les utilisateurs peuvent ensuite simplement déployer notre modèle de base ou l’affiner en fonction de leurs propres données, permettant ainsi une personnalisation plus poussée si nécessaire.


Shaokai Ye, étudiant diplômé et premier auteur de l’étude

Ces avancées rendront l’analyse du mouvement beaucoup plus accessible. « Les vétérinaires pourraient être particulièrement intéressés, tout comme ceux qui travaillent dans la recherche biomédicale, notamment lorsqu’il s’agit d’observer le comportement des souris de laboratoire. Mais cela peut aller plus loin », explique Mackenzie Mathis, en mentionnant les neurosciences et… les athlètes (canins ou non). ! D’autres espèces – oiseaux, poissons et insectes – sont également en cours de développement du modèle. « Nous utiliserons également ces modèles dans des interfaces en langage naturel pour développer des outils de nouvelle génération encore plus accessibles. Par exemple, Shaokai et moi, en collaboration avec nos co-auteurs de l’EPFL, avons récemment développé AmadeusGPT, qui a récemment été publié sur NeurIPS et qui permet d’interroger des données vidéo avec du texte écrit ou parlé sera très excitant. SuperAnimal est désormais disponible pour les chercheurs du monde entier via sa distribution open source (github.com/DeepLabCut).

Source:

Référence du magazine :

Oui., et autres. (2024). Modèles d’estimation de pose pré-entraînés SuperAnimal pour l’analyse du comportement. Communication naturelle. est ce que je.org/10.1038/s41467-024-48792-2.



Source